R Topsis-关于正负属性的查询
在Topsis技术中,我们计算负理想解和正理想解,因此我们需要有正负属性(标准)来衡量影响,但如果模型中的属性只有正影响呢?是否可以仅使用正属性计算Topsis结果??如果是,那么如何计算相对部分。提前谢谢好问题。是的,你可以拥有所有积极的属性,甚至所有消极的属性。因此,在评估备选方案时,您可能会遇到两种不同类型的属性:可取的属性或不可取的属性 作为决策者,您希望最大限度地利用理想属性(有利标准)和最小化不良属性(成本标准) TOPSIS由黄和尹于1981年创建。该算法背后的核心思想是,最理想的解决方案是与理想解决方案最相似的解决方案,因此是一个具有最高可能理想属性和最低可能理想属性的假设替代方案,与所谓的“反理想”解决方案不太相似,因此,假设一个备选方案具有最低可能的可取属性和最高可能的不可取属性 这种相似性是用几何距离建模的,称为欧几里德距离。*2 假设您已经构建了决策矩阵。这样您就可以知道备选方案及其各自的标准和值。您已经确定了哪些属性是可取的和不可取的。(确保对矩阵进行归一化和加权) TOPSIS的步骤包括:R Topsis-关于正负属性的查询,r,math,data-analysis,ahp,R,Math,Data Analysis,Ahp,在Topsis技术中,我们计算负理想解和正理想解,因此我们需要有正负属性(标准)来衡量影响,但如果模型中的属性只有正影响呢?是否可以仅使用正属性计算Topsis结果??如果是,那么如何计算相对部分。提前谢谢好问题。是的,你可以拥有所有积极的属性,甚至所有消极的属性。因此,在评估备选方案时,您可能会遇到两种不同类型的属性:可取的属性或不可取的属性 作为决策者,您希望最大限度地利用理想属性(有利标准)和最小化不良属性(成本标准) TOPSIS由黄和尹于1981年创建。该算法背后的核心思想是,最理想的
## Here we have our decision matrix, in R known as performance matrix...
performanceTable <- matrix(c(5490,51.4,8.5,285,6500,70.6,7,
288,6489,54.3,7.5,290),
nrow=3,
ncol=4,
byrow=TRUE)
# The rows of the matrix contains the alternatives.
row.names(performanceTable) <- c("Wolox","Globant","Bitex")
# The columns contains the attributes:
colnames(performanceTable) <- c("Revenue","Users",
"LTV","Rrate")
# You set the weights depending on the importance for the decision-maker.
weights <- c(0.35,0.25,0.25,0.15)
# And here is WHERE YOU INDICATE THAT YOU WANT TO MAXIMISE ALL THOSE ATTRIBUTES!! :
criteriaMinMax <- c("max", "max", "max", "max")
##这里我们有我们的决策矩阵,在R中称为性能矩阵。。。
性能的