根據各個指標獲得綜合指標時，由於各個指標對綜合指標的貢獻度不同，相應權重也應不同，對綜合指標貢獻大的指標更重要，應該分配更大的權重。如何確定各個指標的權重，這里介紹兩種方法：熵值法和pca確定權重。也可用於特征工程中確定特征權重。
一、熵值法
1、熵的概念
信息論中，熵是對隨機變量不確定性的度量。熵值越小，無序程度越小，不確定性越小，信息量越大；熵值越大，無序程度越大，不確定性越大，信息量越小。可用熵值計算特征的離散程度，離散程度大的特征對綜合值影響更大。
熵值大，信息量小，權重應該小；熵值小，信息量大，權重應該大。
熵的計算公式
2、熵值法確定權重
| 指標1 | 指標2 | …… | 指標m |
| ... | ... | ... | ... |
確定指標1到指標m的權重
指標值不同取值的出現次數相差大，熵小，信息量大，權重應大；指標值不同取值的出現次數相差小，熵大，信息量小，權重應小。
當m個指標值完全相同時，熵最大，可移除該指標。
熵值法確定權重的步驟：
1、歸一化
對指標值進行歸一化，歸一化時，應考慮指標值的影響
當指標值越大越好時，可使用公式
x=(x-xmin)/(xmax-xmin)
當指標值越小越好時，可使用公式
x=(xmax-x)/(xmax-xmin)
2、定義熵
m個指標，n個被評價對象
第i個指標
3、定義熵權
二、pca確定權重
pca是一種無監督的降維方法，pca通過線性變換將原來可能相關的n個向量變換成線性無關的k維向量。用pca確定權重系數需要知道三個條件：
- 指標在各主成分線性組合中的系數
- 主成分的方差貢獻率
- 指標權重的歸一化
ex：n個主成分，m個指標
w表示各主成分的系數，wij表示第一個主成分第j個指標的系數，fi表示第一個主成分的方差貢獻率
則第q個指標的權重為
歸一化
