TOPSIS决策分析写作
根据TOPSIS结果生成完整排名报告
描述
根据您的 TOPSIS 分析结果（标准化决策矩阵、到正理想解和负理想解的距离、贴近度系数），生成可直接用于论文的完整“方法 + 结果”文本。提供排名表，并解读排名最佳和最差方案在哪些准则上表现突出或落后。适用于供应商选择、产品/服务比较或临床决策支持等多准则排序问题的研究人员。
相关技能
查看全部
Entropy-TOPSIS-ML + 审稿异议
根据你的熵权法 + TOPSIS 排名 + 机器学习分类器（XGBoost、Random Forest、Logistic Regression 等）输出结果，生成完整的 Methods + Results 报告。依据 Hosmer & Lemeshow 标准准确解读 AUC；如果训练集与测试集的性能差距较大，会明确指出过拟合风险。它还会预先识别期刊审稿人经常提出的至少 4 条异议（例如“如何处理类别不平衡”“未使用外部验证集”），并为每条异议建议一句答辩表述。适合健康信息学、临床风险预测或混合 MCDM-ML 方法学领域的研究人员，用于在投稿前提升方法学稳健性。
AHP准则权重写作助手
将用户的AHP（层次分析法）两两比较矩阵输出结果（准则权重、一致性比率）转换为可直接用于论文的学术“准则权重”部分。如果一致性比率（CR）超过0.10，会如实说明，而不会将其隐藏。适用于：使用TOPSIS/VIKOR等MCDM方法，并通过AHP确定准则权重的研究人员，以及研究生。
Meta分析完整报告撰写
根据你的Meta分析统计结果（合并效应量、I²、Q、τ²、发表偏倚指标），生成符合PRISMA 2020和《Cochrane手册》的完整方法、结果与局限性文本。它不会误读I²值（包括将其表述为“方差百分比”的情况），也会避免夸大的因果表述，使用“研究结果与……一致”等谨慎措辞，而不是“证据证明……”。最后，它还会提供至少3个审稿人可能提出的问题，并附上相应的答辩句式。适合希望在投稿前加强方法部分的Meta分析论文作者。它不会做什么：不会根据原始数据进行统计计算（你必须已有R、RevMan或CMA的输出）；它只会将你的结果转换并解读为学术文本。
TOPSIS决策分析写作
根据TOPSIS结果生成完整排名报告
描述
根据您的 TOPSIS 分析结果（标准化决策矩阵、到正理想解和负理想解的距离、贴近度系数），生成可直接用于论文的完整“方法 + 结果”文本。提供排名表，并解读排名最佳和最差方案在哪些准则上表现突出或落后。适用于供应商选择、产品/服务比较或临床决策支持等多准则排序问题的研究人员。
相关技能
查看全部Entropy-TOPSIS-ML + 审稿异议
根据你的熵权法 + TOPSIS 排名 + 机器学习分类器（XGBoost、Random Forest、Logistic Regression 等）输出结果，生成完整的 Methods + Results 报告。依据 Hosmer & Lemeshow 标准准确解读 AUC；如果训练集与测试集的性能差距较大，会明确指出过拟合风险。它还会预先识别期刊审稿人经常提出的至少 4 条异议（例如“如何处理类别不平衡”“未使用外部验证集”），并为每条异议建议一句答辩表述。适合健康信息学、临床风险预测或混合 MCDM-ML 方法学领域的研究人员，用于在投稿前提升方法学稳健性。
AHP准则权重写作助手
将用户的AHP（层次分析法）两两比较矩阵输出结果（准则权重、一致性比率）转换为可直接用于论文的学术“准则权重”部分。如果一致性比率（CR）超过0.10，会如实说明，而不会将其隐藏。适用于：使用TOPSIS/VIKOR等MCDM方法，并通过AHP确定准则权重的研究人员，以及研究生。
Meta分析完整报告撰写
根据你的Meta分析统计结果（合并效应量、I²、Q、τ²、发表偏倚指标），生成符合PRISMA 2020和《Cochrane手册》的完整方法、结果与局限性文本。它不会误读I²值（包括将其表述为“方差百分比”的情况），也会避免夸大的因果表述，使用“研究结果与……一致”等谨慎措辞，而不是“证据证明……”。最后，它还会提供至少3个审稿人可能提出的问题，并附上相应的答辩句式。适合希望在投稿前加强方法部分的Meta分析论文作者。它不会做什么：不会根据原始数据进行统计计算（你必须已有R、RevMan或CMA的输出）；它只会将你的结果转换并解读为学术文本。
发现下一个适合你的技能
继续探索更多精选 AI 技能，用于研究、创作和日常工作。