pydecisions—管理决策技术的python库
pydecisions的Python项目详细描述
python库：pydecisions
版权所有（c）2018 Balamurali M 作者：Balamurali M Gmail:balamurali9m@gmail.com 许可证：麻省理工学院
这个库包含了一些用于制定高层管理决策的技术。 以下信息（pdf格式）也位于：https://drive.google.com/open?id=1qLL2-v7fFoImvxwiXPlJQn60jw_p-E35
安装 pip安装pydecisions
导入语句 将pydecisions导入为pyd
一个完整的例子： 将pydecisions导入为pyd A=Pyd.evm（100,0.5,0.4,45） 打印（a.results（））
以下示例说明如何使用此库。 示例
挣值管理 例子： A=Pyd.evm（100,0.5,0.4,45） 打印（a.results（）） （其中arg1-完工时的预算，arg2-计划在该点完成的工作与计划的总工作，arg3-在该点完成的实际工作与计划的总工作，arg4-在该点之前发生的实际成本）
财务职能 （a）净现值 例子： A=Pyd.fin（） 打印（a.npv（.3，[-100,50,30,20,10]）） （其中arg1-利率，arg2-年度现金流）
（b）未来价值 例子： A=Pyd.fin（） 打印（a.fv（0.10，9300400）） （其中arg1-利率，arg2-年数，arg3-付款，arg4-现值）
（c）现值 例子： A=Pyd.fin（） 打印（a.pv（0.05、10、100、30000）） （其中arg1-利率，arg2-年数，arg3付款，arg4-未来价值）
（d）内部收益率 例子： A=Pyd.fin（） 打印（内部收益率（[-100,30,90,75,20]）） （其中arg1-每年的现金流）
简单线性回归 例子： A=Pyd.slr（） 打印（a.结果（[1,2,3,4]，[1.5,2.5,3.3,4.2]，3）） （其中arg1-培训X，arg2-培训Y和arg3-测试X）
统计检验 （a）t检验（一组分数的平均值） 例子： a=pyd.statstest（） 打印（A.TT1（[20,44,50,70,30]，45）） （其中arg1-样本观测，arg2-总体平均值）
（b）t检验（两个独立的分数样本的平均值） 例子： a=pyd.statstest（） 打印（a.ttind（[50,40,90,30,40]，[60,40,20,10,70]）） （其中arg1-样本1观察，arg2-样本2观察）
（c）t检验（2个相关数据样本）。 例子： a=pyd.statstest（） 打印（a.ttrel（[55,20,23,12,12]，[22,48,11,17,12]）） （其中arg1-样本1观察，arg2-样本2观察）
决策分析与决策 例子： A=Pyd.Dar（） 打印（a.结果（[8,9]，[7,6]）
（其中arg1-备选方案1的标准分数和arg2-备选方案2的标准分数）马尔可夫链 在本例中需要导入numpy 即 将pydecisions导入为pyd 将numpy导入为n 例子： a=pyd.mc（） matrx=np.矩阵（[[0.7，0.3]， [0.6,0.4]]） i=np.矩阵（[[0.5，0.5]]）
打印（a.结果（matrx，i，3）） （式中matrx-转移矩阵，i-当前状态矩阵，第三个参数（上述3 示例）表示迭代次数）贝叶斯规则 例子： （用于计算p（a b） A=Pyd.Bayes（） 打印（a.结果（0.6,0.4,0.2）） （其中arg1-p（a）、arg2-p（b）、arg3-p（b/a））
线性规划 例子： 最小化：成本=-2x[0]+5x[1]，服从-2x[0]+3x[1]<；=7，2x[0]+1x[1]<；=5 x[1]>；=-4（其中：-无穷大<；=x[0]<；=无穷大）
a=pyd.lp（） C=[-2，5] A=[[-2，3]，[2，1]] B=[7，5] Lp_x0b=（无，无） Lp_x1b=（-4，无） 打印（a.结果（c，a，b，lp_x0b，lp_x1b））
决策树：回归 例子： a=pyd.dtr（） X=[[1，2]， [2，2]， [3，3]， [4，5]， [7，4]] Y=[3,4,5,8,11] Z=[[3,2]] a.结果（x，y，z） （其中arg1-培训X，arg2-培训Y和arg3-测试X） 将在文件夹中生成树图像。
决策树：分类 例子： a=pyd.dtc（） X=[[20，15，2]，
[60，25，4]，
[70，35，6]，
[80，40，8]，
[90，45，10]]
y=['c0'，'c1'，'c1'，'c0'，'c1'] Z=[[60，30，5]] 一.结果（x，y，z） （其中arg1-培训X，arg2-培训Y和arg3-测试X） 将在文件夹中生成树图像。
有些完全是从头开始写的，有些函数是建立在现有标准库函数的顶层之上的。
依赖项-numpy、scipy、sklearn和graphviz库
欢迎加入QQ群-->： 979659372
