该软件包可用于计算多分量数据的topsis得分,并据此进行排序
Topsis-Satyam-101803324的Python项目详细描述
Python中的TOPSIS包
提交人:Satyam Verma
卷号:101803324
UCS538
托普西斯
TOPSIS是一个首字母缩略词,代表“与理想解决方案相似的顺序偏好技术”™ 是一个非常简单的MCDA方法。顾名思义,该方法基于找到理想解和反理想解,并比较每一个备选方案与这些方案之间的距离。在
如何使用
软件包Topsis-Satyam-101803324可以通过命令行运行,如下所示:
>> pip install Topsis-Satyam-101803324
^{pr2}$
样本输入
决策矩阵应该被构造成每一行代表一个模型替代,每一列代表一个标准,比如准确度、R2、均方根误差、相关性等等。在
Model | Correlation | R2 | RMSE | Accuracy |
---|---|---|---|---|
M1 | 0.79 | 0.62 | 1.25 | 60.89 |
M2 | 0.66 | 0.44 | 2.89 | 63.07 |
M3 | 0.56 | 0.31 | 1.57 | 62.87 |
M4 | 0.82 | 0.67 | 2.68 | 70.19 |
M5 | 0.75 | 0.56 | 1.3 | 80.39 |
权重“Weights”尚未标准化,稍后将在代码中进行规范化。
利益正面(+)或负面(-)影响标准的信息应在impacts
中提供。
此示例输入的输出
从以下输入数据生成的输出将是:
^{tb2}$输出文件包含输入文件的列以及另外两列,分别为**Topsis_score**和**Rank**。 根据给定的权重和影响,等级1是最佳解决方案,等级5是最差解决方案。
- 项目
标签: