معرفی شرکت ها

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

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

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

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

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

توضیحات

Topsis Calculator

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	TOPSIS-Vedant-101803329-1
نام	TOPSIS-Vedant-101803329
نسخه کتابخانه	1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Vedant Gupta
ایمیل نویسنده	vgupta2_be18@thapar.edu
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/TOPSIS-Vedant-101803329/
مجوز	-

# TOPSIS Package in Python Submitted by: Vedant Gupta Roll no: 101803329 UCS538 * * * ## Concept of TOPSIS TOPSIS is an acronym that stands for Technique of Order Preference Similarity to the Ideal Solution and is a pretty straightforward MCDA method. As the name implies, the method is based on finding an ideal and an anti-ideal solution and comparing the distance of each one of the alternatives to those. * * * ## How to use The package TOPSIS-Vedant-101803329 can be run though the command line as follows: ``` >> pip install TOPSIS-Vedant-101803329==1 ``` ``` >> python >>>from topsis_cal.topsiscode import topsis >>>topsis("data.csv","1,1,1,2","+,+,-,+") ``` ## Sample dataset The decision matrix (`a`) 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 | 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 Weights (`w`) is not already normalised will be normalised later in the code. Information of benefit positive(+) or negative(-) impact criteria should be provided in `I`. ## Output ``` Model Score Rank ----- -------- ---- 1 0.639133 2 2 0.212592 5 3 0.407846 4 4 0.519153 3 5 0.828267 1 ``` The rankings are displayed in the form of a table using a package 'tabulate', with the 1st rank offering us the best decision, and last rank offering the worst decision making, according to TOPSIS method.

نحوه نصب

نصب پکیج whl TOPSIS-Vedant-101803329-1:

pip install TOPSIS-Vedant-101803329-1.whl

نصب پکیج tar.gz TOPSIS-Vedant-101803329-1:

pip install TOPSIS-Vedant-101803329-1.tar.gz