TOPSIS实施
TOPSIS-Apurv-101803594的Python项目详细描述
托普西斯-Apurv Madaan-101803594
提交人:Apurv Madaan(101803594)
什么是TOPSIS?在
相似理想解排序方法(TOPSIS)起源于20世纪80年代,是一种多准则决策方法。TOPSIS选择距理想解最短的欧几里德距离和距负理想解最大距离的方案。在
安装
使用包管理器pip安装TOPSIS。 依赖项和devDependencies将自动安装。在
pip install TOPSIS-Apurv-101803594
使用
1)作为一个库:
在python文件中导入:
^{pr2}$输入terminal/cmd运行python文件:
python nameOfFile.py nameOfDataFile.csv "weights""impacts" nameOfOutputFile.csv
2)使用命令Promt:
命令行参数:
- 输入文件的名称(csv格式)
- 重量(如字符串)
- 影响(以字符串形式)
- 文件名输出格式(csv) 例如
topsis data.csv "1,1,1,1""+,+,-,+" output.csv
输入文件(数据.csv)在
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。
|精确度|
|-----|----|----|----|--------|
|M1 | 0.79 | 0.62 | 1.25 | 60.89|
|平方米| 0.66 | 0.44 | 2.89 | 63.07|
|立方米| 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
)尚未规范化,稍后将在代码中进行规范化。在
影响中应提供效益正面(+)或负面(-)影响标准的信息。在
输出文件(输出.csv)在
Model | Corr | Rseq | RMSE | Accuracy | Topsis_score | Rank |
---|---|---|---|---|---|---|
M1 | 0.79 | 0.62 | 1.25 | 60.89 | 0.7722097345612788 | 2 |
M2 | 0.66 | 0.44 | 2.89 | 63.07 | 0.22559875426413367 | 5 |
M3 | 0.56 | 0.31 | 1.57 | 62.87 | 0.43889731728018605 | 4 |
M4 | 0.82 | 0.67 | 2.68 | 70.19 | 0.5238778712729114 | 3 |
M5 | 0.75 | 0.56 | 1.3 | 80.39 | 0.8113887082429979 | 1 |
The output file contains columns of input file along with two additional columns having Topsis_score and Rank |
许可证
- 项目
标签: