معرفی شرکت ها

Ekaspreet-topsis-102017078-1.0.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
1.0.1
1.0.1
1.0.0

توضیحات

A Python package implementing TOPSIS for MCDM
ویژگی مقدار
سیستم عامل -
نام فایل Ekaspreet-topsis-102017078-1.0.1
نام Ekaspreet-topsis-102017078
نسخه کتابخانه 1.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Ekaspreet kaur
ایمیل نویسنده ekaspreet0209@gmail.com
آدرس صفحه اصلی https://github.com/Ekaspreet20/Ekaspreet_topsis_102017078
آدرس اینترنتی https://pypi.org/project/Ekaspreet-topsis-102017078/
مجوز MIT
Ekaspreet-topsis-102017078 # Topsis in Python Author: **Ekaspreet 102017078** Maintainer: **Ekaspreet <ekaspreet0209@gmail.com>**. TOPSIS: It is a for Multiple Criteria Decision Making,A Technique for Order Preference by Similarity to Ideal More details at [wikipedia](https://en.wikipedia.org/wiki/TOPSIS). <br> <br> ### In Command Prompt ``` >> topsis data.csv "1,1,1,1" "+,+,-,+" result.csv ``` ## Input file (data.csv) | Model | Correlation | R<sup>2</sup> | 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 | Weights (`weights`) is not already normalised will be normalised later in the code. Information of positive(+) or negative(-) impact criteria should be provided in `impacts`. <br> ## Output file (result.csv) | Model | Correlation | R<sup>2</sup> | RMSE | Accuracy | Score | Rank | | ----- | ----------- | ------------- | ---- | -------- | ------ | ---- | | 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 | <br> The output file contains columns of input file along with two additional columns having **Score** and **Rank**


نیازمندی

مقدار نام
- numpy
- pandas


نحوه نصب


نصب پکیج whl Ekaspreet-topsis-102017078-1.0.1:

    pip install Ekaspreet-topsis-102017078-1.0.1.whl


نصب پکیج tar.gz Ekaspreet-topsis-102017078-1.0.1:

    pip install Ekaspreet-topsis-102017078-1.0.1.tar.gz