一个实现 TOPSIS 技术的 Python 包。
项目描述
TOPSIS
提交人：Yash Shukla 101803617
什么是TOPSIS？
类似交易解决方案( TOPSIS ) 的订单P参考技术起源于 1980 年代，是一种多标准决策方法。TOPSIS 选择与理想解的欧几里得距离最短、与负理想解的距离最大的备选方案。
如何安装这个包：
>> pip install Topsis_Yash_101803617
在命令提示符中
>> python
>> import Topsis_Yash_101803617
>> Topsis_Yash_101803617.topsis("data.csv","1,1,1,1","+,+,-,+","result.csv")
输入文件（data.csv）
决策矩阵的构造应使每一行代表一个模型备选方案，每一列代表一个标准，例如准确度、R 2、均方根误差、相关性等等。
| 模型 | 相关性 | 2 _ | 均方根误差 | 准确性 |
|---|---|---|---|---|
| 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 ( weights) 尚未规范化，稍后将在代码中进行规范化。
应在 中提供有关正面（+）或负面（-）影响标准的信息impacts。
输出文件 (result.csv)
| 模型 | 相关性 | 2 _ | 均方根误差 | 准确性 | Topsis_score | 秩 |
|---|---|---|---|---|---|---|
| M1 | 0.79 | 0.62 | 1.25 | 60.89 | 0.7722 | 2 |
| M2 | 0.66 | 0.44 | 2.89 | 63.07 | 0.2255 | 5 |
| M3 | 0.56 | 0.31 | 1.57 | 62.87 | 0.4388 | 4 |
| M4 | 0.82 | 0.67 | 2.68 | 70.19 | 0.5238 | 3 |
| M5 | 0.75 | 0.56 | 1.3 | 80.39 | 0.8113 | 1 |
输出文件包含输入文件的列以及具有 **Topsis_score** 和 **Rank** 的两个附加列
关
topsis_yotest -0.0.8.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 1deeb07c54a8a1efbafb7fbc10cf6ae5620524330e520cc741011a672e228f11 |
|
| MD5 | 2b6d4d7e8b791f13b30e1f5eee77479d |
|
| 布莱克2-256 | 99c9ba186c06c517bdfd235c396baf7fe1e4d2b839f2d2754b81a953e783588f |