تحلیل تصمیم چندمعیاره دادهمحور
تحلیل تصمیم چندمعیاره دادهمحور (Data-Driven MCDA) یک چارچوب ترکیبی است که یادگیری ماشین و یادگیری آماری را با تحلیل تصمیم چندمعیاره سنتی ادغام میکند. به جای استخراج وزنها از قضاوت خبرگان، اهمیت معیارها را از دادههای تصمیمگیری تاریخی میآموزد و پشتیبانی تصمیم مقیاسپذیرتر و مبتنی بر شواهد تجربی را ممکن میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Греченко, Д. В. (2019). Data-driven decision making: Integrating machine learning with multi-criteria approaches. Computational Statistics & Data Analysis, 132, 127-143. link ↗
- Brans, J. P., & Vincke, P. (2013). Modern approaches to decision-making: Hybrid methods combining preferences with data. European Journal of Operational Research, 248(1), 1-12. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Data-Driven Multi-Criteria Decision Analysis. ScholarGate. https://scholargate.app/fa/decision-making/data-driven-mcda
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ELECTRE Iتصمیمگیری↔ compare
- پروتھی IIتصمیمگیری↔ compare
- وزندهی جمعی سادهتصمیمگیری↔ compare
- تکنیک اولویتبندی بر اساس شباهت به راهحل ایدهآلتصمیمگیری↔ compare
- VIKORتصمیمگیری↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →