一个Python pip包,用于应用topsis方法对数据集中的条目进行排序
topsis-yash-saxena的Python项目详细描述
TOPSISPython
Project 1:UCS633数据分析和可视化
提交人:Yash Saxena 101703627
pypi:https://pypi.org/project/topsis-yash-saxena/
git:https://github.com/yashsaxena972/topsis
什么是TOPSIS?在
T引用O顺序p引用S与I相似的技术 ^{str1}$S解决方案(TOPSIS)起源于20世纪80年代,是一种多准则决策 制作方法。TOPSIS选择最短欧氏距离 与理想溶液的距离,与负理想的最大距离 解决方案。更多详细信息请访问wikipedia。在
如何使用这个软件包?在
TOPSIS-YASH-SAXENA可以如下例运行:
在命令提示符
>> topsis data.csv "1,1,1,1" "+,+,-,+"
在Python IDLE中:
^{pr2}$示例数据集
决策矩阵(a
)应该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(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
Model Score Rank
----- -------- ----
1 0.77221 2
2 0.225599 5
3 0.438897 4
4 0.523878 3
5 0.811389 1
根据TOPSIS方法,排名以表格的形式显示出来,第一个排名是最佳决策,最后一个排名是最差的决策。
- 项目
标签: