找到答案，看到讲解发生的那一刻，再顺着概念继续探索。
正在理解你的问题，下面的搜索结果可先查看。
通过将每个条目除以其所在列的总和来对决策矩阵进行归一化。这种按列操作确保了每个标准列中的归一化值之和等于 1。
适用条件：矩阵包含非负数值属性值。；每一列的总和必须非零。；归一化独立应用于每个标准列。
通过将每个条目除以其所在列的总和来对决策矩阵进行归一化。这种按列操作确保了每个标准列中的归一化值之和等于 1。
适用条件：矩阵包含非负数值属性值。；每一列的总和必须非零。；归一化独立应用于每个标准列。
熵权重描述了不同备选方案在特定标准上彼此接近的程度。它是一种数据驱动的度量，根据数据的变异性来确定标准的客观重要性。
适用条件：应用于多准则决策环境。；权重源自数据模式本身，而不是主观判断。
熵权重描述了不同备选方案在特定标准上彼此接近的程度。它是一种数据驱动的度量，根据数据的变异性来确定标准的客观重要性。
适用条件：应用于多准则决策环境。；权重源自数据模式本身，而不是主观判断。
熵方法直接从数据模式本身推导权重，衡量备选方案的离散度。与需要决策者进行主观成对比较判断的层次分析法（AHP）不同，熵方法是客观且数据驱动的。
适用条件：将熵方法与层次分析法（AHP）进行比较。；决策矩阵包含必要的数值数据。
熵方法直接从数据模式本身推导权重，衡量备选方案的离散度。与需要决策者进行主观成对比较判断的层次分析法（AHP）不同，熵方法是客观且数据驱动的。
适用条件：将熵方法与层次分析法（AHP）进行比较。；决策矩阵包含必要的数值数据。