TOPSIS模型主要是用于评估类模型
一些基本概念：
因为TOPSIS模型是用于评价类的模型，所以会有一些指标的概念，所有指标并非越大越好，例如我们在评价一人的时候会有成绩、和他人发生争吵的次数这两个指标，成绩就是效益性指标、和他人发生的争吵次数就是成本性指标
效益性指标：越大越好
成本性指标：越少越好
这样评分的话会出现不一致的情况，这时我们就要统一指标的类型，这里一般进行的操作是将所有指标转化为极大型（即指标正向化）（如果用到的话一定要在论文中体现）
极小型指标转化为极大型指标的公式：max - x
在指标正向话之后我们会发现，一个指标越大，证明他就是越好的，但是由于单位的不同还是不能进行比较好的评价，就比如上面的例子，小明成绩是80多，而争吵次数只是1位数这样显然不能直接求平均值
现在又标准化之后的数据如何计算得分？
TOPSIS简介：
上面只是对TOPSIS的简单介绍并不详细，下面详细介绍
第一步将原始矩阵正向化
一共四种类型：
极大型：本身就是不需要正向化
极小型：max - x
中间型：
区间型：
第二步正向化矩阵标准化
第三步计算得分并进行归一化
拓展（指标权重不一样的情况）
