เปรียบเทียบวิธี

	การวิเคราะห์การตัดสินใจแบบหลายเกณฑ์ที่ขับเคลื่อนด้วยข้อมูล	การถ่วงน้ำหนักแบบบวกอย่างง่าย	เทคนิคการจัดลำดับตามความคล้ายคลึงกับผลลัพธ์ในอุดมคติ
สาขาวิชา	การตัดสินใจ	การตัดสินใจ	การตัดสินใจ
ตระกูล	MCDM	MCDM	MCDM
ปีกำเนิด	2015	1967	1981
ผู้ริเริ่ม	Multiple authors	Fishburn, P. C.	Hwang, C. L., Yoon, K.
ประเภท	Learning-based criteria weighting and aggregation	Additive utility (linear)	Distance-based (compromise)
แหล่งต้นตำรับ	Греченко, Д. В. (2019). Data-driven decision making: Integrating machine learning with multi-criteria approaches. Computational Statistics & Data Analysis, 132, 127-143.	Fishburn, P. C. (1967). Additive utilities with incomplete product sets: Application to priorities and assignments. Operations Research	Hwang, C. L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications — A State-of-the-Art Survey. Lecture Notes in Economics and Mathematical Systems, Vol. 186, Springer-Verlag
ชื่อเรียกอื่น	Data-Driven MCDA	—	—
ที่เกี่ยวข้อง	5	8	8
สรุป	Data-Driven MCDA is a hybrid framework that integrates machine learning and statistical learning into traditional multi-criteria decision analysis. Instead of eliciting weights from expert judgment, it learns criteria importance from historical decision data, enabling more scalable and empirically grounded decision support.	SAW (Simple Additive Weighting) is a ranking multi-criteria decision-making (MCDM) method introduced by Fishburn, P. C. in 1967. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.	TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) is a ranking multi-criteria decision-making (MCDM) method introduced by Hwang, C. L., Yoon, K. in 1981. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.