معرفی شرکت ها

TOPSIS-IshaanMarjara-101853028-0.0.1

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
0.0.1
0.0.1

توضیحات

TOPSIS Implementation
ویژگی مقدار
سیستم عامل OS Independent
نام فایل TOPSIS-IshaanMarjara-101853028-0.0.1
نام TOPSIS-IshaanMarjara-101853028
نسخه کتابخانه 0.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Ishaan Marjara
ایمیل نویسنده -
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/TOPSIS-IshaanMarjara-101853028/
مجوز -
# TOPSIS ## What is TOPSIS? Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) originated in the 1980s as a multi-criteria decision making method. TOPSIS chooses the alternative of shortest Euclidean distance from the ideal solution, and greatest distance from the negative-ideal solution. ## Installation Use the package manager [pip](https://pip.pypa.io/en/stable/) to install **TOPSIS**. Dependencies and devDependencies will be installed automatically. ```bash pip install TOPSIS-IshaanMarjara-101853028 ``` ## Usage ##### 1) As a Library: Import in your python File: ```python from TOPSIS import topsis topsis() ``` Run the python file by typing in terminal/cmd: ```sh python nameOfFile.py nameOfDataFile.csv "weights" "impacts" nameOfOutputFile.csv ``` ##### 2) Using Command Promt: Command line args: - name of input File(csv format) - weights(as a string) - impacts(as a string) - name of output file(csv format) Eg. ```bash topsis data.csv "1,1,1,1" "+,+,-,+" output.csv ``` # Input file (data.csv) The decision matrix 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|Corr|Rseq|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 benefit positive(+) or negative(-) impact criteria should be provided in impacts. # Output file (output.csv) |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** ## License [MIT](https://choosealicense.com/licenses/mit/)


نیازمندی

مقدار نام
>=1.18.1 numpy
>=1.0.5 pandas
>=3.7 pytest


نحوه نصب


نصب پکیج whl TOPSIS-IshaanMarjara-101853028-0.0.1:

    pip install TOPSIS-IshaanMarjara-101853028-0.0.1.whl


نصب پکیج tar.gz TOPSIS-IshaanMarjara-101853028-0.0.1:

    pip install TOPSIS-IshaanMarjara-101853028-0.0.1.tar.gz