TOPSIS算法是一种利用正理想解和负理想来确定最佳选择的算法
toposis-kushgupta-101803454的Python项目详细描述
python中TOPSIS优化算法的源代码。在
TOPSIS算法是一种利用正理想解和负理想来确定最佳选择的算法 解决方案。在
有关示例解决方案,请访问:http://www.jiem.org/index.php/jiem/article/view/573/498维基百科: https://en.wikipedia.org/wiki/TOPSIS
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”™ 是一个漂亮的 简单的MCDA方法。顾名思义,这个方法是基于寻找理想解和反理想解
命令提示符
topsis data.csv "1,1,1,1" "+,+,-,+" final.csv Sample dataset The decision matrix (
a
) should be constructed with each row representing a Model alternative, and each column representing a criterion like Accuracy, R2, Root Mean Squared Error, Correlation, and many more.
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(w
)尚未规范化,稍后将在代码中进行规范化。在
利益正面(+)或负面(-)影响标准的信息应在I
中提供。在
输出 车型评分排名
1 | 0.77221 | 2 2 | 0.225599 | 5 3 | 0.438897 | 4 4 | 0.523878 | 3 5 | 0.811389 | 1
排名以表格的形式显示,使用“表格”软件包,排名第一的排名是最好的 根据TOPSIS方法,最后一个等级提供最差的决策。在
- 项目
标签: