设 X = {x1,x2,...,xn} 是一个决策样本集合，对于任意的样本 x，设 A = {a1,a2,...,am} 是 x 在属性空间上的属性集，对于任意一个属性 ai，设 Xj 表示属性 ai 上第 j 个取值，j=1,2,...,s，s 是属性 ai 的取值个数。dij 表示当属性 ai 取值为 Xj 时，样本集合 D 中属于类别 k 的样本数，dij 是 D 中样本分类在 k 类时属性 ai 取值为 Xj 的个数。假设 Ck 是决策样本中第 k 类，k = 1,2,...,r，r 是类别个数。设 pk = |Ck|/n，n 是决策样本总数。
则属性 ai 的熵值计算公式为：
H(ai) = -∑(j=1~s) [dij/|D| * log2(dij/|D|)]
其中，|D| 表示样本集合 D 的大小。
属性 ai 的信息增益为：
G(ai) = H(D) - H(ai)
其中，H(D) 表示样本集合 D 的熵值。
属性 ai 的熵权为：
W(ai) = G(ai) / ∑(i=1~m) G(ai)
最终权重向量为：
W = (W(a1),W(a2),...,W(am))
熵权法是一种多指标评价方法，它通过计算指标之间的互信息熵，得到每个指标的权重，然后将权重应用到指标数据上，计算每个指标的得分，最后将所有指标得分加权求和得到综合得分。
具体地，熵权法的步骤包括：确定评价指标、收集指标数据、计算每个指标的熵值和权重、利用权重计算每个指标的得分、将每个指标的得分加权求和得到综合得分。
熵权法对于指标之间存在关联或重叠的情况，能够更加准确地反映事物的全貌，获得相对合理的评价结果。
如下：熵权法是一种综合权衡的方法，可以有效地根据指标的信息量计算权重。
熵权法通过计算指标信息熵和信息熵权重的比值得出权重值，从而达到综合评价的目的。
熵权法的基本思想是，在判定各指标权重大小时，以数据本身的离散度和复杂度来进行，这种方法可以充分利用指标本身所携带的信息，而不受指标间相关性的影响。
具体步骤如下：1.收集评价对象的指标集合。
2.计算每个指标的信息熵。
3.计算每个指标的熵权值。
4.计算各指标的综合评价权重。
详细步骤可以参考熵权法的相关论文和书籍，其中涉及到的数学公式和计算方法需要仔细学习和理解。