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