معرفی شرکت ها

TOPSIS-aayushi-101803059-1.0.1

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
1.0.0

توضیحات

Topsis Calculator ---PARAMRTERS--- CSV file , Weight and Impact array
ویژگی مقدار
سیستم عامل OS Independent
نام فایل TOPSIS-aayushi-101803059-1.0.1
نام TOPSIS-aayushi-101803059
نسخه کتابخانه 1.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Aayushi Gupta
ایمیل نویسنده aayushi2508gupta@gmail.com
آدرس صفحه اصلی https://github.com/aayu2508/topsis_2508aayushi
آدرس اینترنتی https://pypi.org/project/TOPSIS-aayushi-101803059/
مجوز MIT
## What is TOPSIS? **T**echnique for **O**rder **P**reference by **S**imilarity to **I**deal **S**olution (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. <br> ## How to install this package: ``` >> pip install TOPSIS-aayushi-101803059 ``` ### In Command Prompt ``` >> topsis_aayushi data.csv "1,1,1,1" "+,+,-,+" result.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, R<sup>2</sup>, Root Mean Squared Error, Correlation, and many more. | 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 benefit positive(+) or negative(-) impact criteria should be provided in `impacts`. <br> ## Output file (result.csv) | Model | Correlation | R<sup>2</sup> | RMSE | Accuracy | Topsis 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 **Topsis_score** and **Rank** # Author Detail Submitted By: **Aayushi Gupta (101803059)**. Version: **1.0.0**. ---


نحوه نصب


نصب پکیج whl TOPSIS-aayushi-101803059-1.0.1:

    pip install TOPSIS-aayushi-101803059-1.0.1.whl


نصب پکیج tar.gz TOPSIS-aayushi-101803059-1.0.1:

    pip install TOPSIS-aayushi-101803059-1.0.1.tar.gz