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

The basic concept SAW method is to find the sum of the weighted performance rating for each alternative on all attributes. SAW method requires a process of normalizing the decision matrix (X) to a scale that can be compared with all the ratings of existing alternatives.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dssystem-0.1.5
نام	dssystem
نسخه کتابخانه	0.1.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Rafi Mochamad Fahreza
ایمیل نویسنده	prokodingproject@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/dssystem/
مجوز	-

## About this package The basic concept **SAW method** is to find the sum of the weighted performance rating for each alternative on all attributes. **SAW** method requires a **process** of normalizing the decision matrix (X) to a scale that can be compared with all the ratings of existing alternatives. ### Depedencies * Python >= 3 * numpy * pandas ### Function **init (data,weights, non_beneficial = None)** > Initializer provides 2 required parameters and 1 optional parameter, data is the dataset with DataFrame format, weights is the values that provided to get a optimal alternative, non_beneficial is the column that has type "cost", not benefit. **getDecisionMatrix** > Function that return formatted matrix from dataset **normalize** > Function that return normalized matrix from decision matrix **createDecision** > Function that return the list of alternative's score **getChosenOneByIndex** > Function that return the chosen one from the alternatives ### Example case We will simulate "Selection of land - Water resources management" which has 4 criteria(s) : Rainfall, Drainage, Usage of land, Tophography. Usage of land is the only one non beneficial criteria. * In this case we'll use the weight values like this : > [0.25, 0.25, 0.25, 0.25] * The example dataset that we had > [[25, 67, 7, 20], [21, 78, 6, 24], [19, 53, 5, 33], [22, 25, 2, 31]] ### Example of code ``` from dssystem.method import SimpleAdditiveWeighted import numpy as np import pandas as pd dataset = pd.DataFrame({"Rainfall" : [25, 21, 19, 22], "Drainage" : [67, 78, 53, 25], "Usage of land" : [7, 6, 5, 2], "Tophography" : [20, 24, 33, 31]}, index=["L1","L2","L3","L4"]) method = SimpleAdditiveWeighted(dataset, [.25, .25 , .25, .25], ["Usage of land"]) print(method.getChosenOneByIndex()) #to get chosen alternative name print(method.getDecisionMatrix()) #to get decision matrix print(method.normalize()) #to get normalized decision matrix print(method.createDecision()) #to get list of alternative's score ``` ## Example of output ``` L4 #L4 is the chosen one #output of the decision matrix [[25 67 7 20] [21 78 6 24] [19 53 5 33] [22 25 2 31]] #output of normalized decision matrix [[1. 0.86 0.29 0.61] [0.84 1. 0.33 0.73] [0.76 0.68 0.4 1. ] [0.88 0.32 1. 0.94]] #output of list of alternative's score [0.69 0.72 0.71 0.79] ```

زبان مورد نیاز

مقدار	نام
>=3	Python

نحوه نصب

نصب پکیج whl dssystem-0.1.5:

pip install dssystem-0.1.5.whl

نصب پکیج tar.gz dssystem-0.1.5:

pip install dssystem-0.1.5.tar.gz