数据科学变得容易
ezds的Python项目详细描述
啊![](resources/markovx_u banner.png)
br/>[马尔可夫链](https://en.wikipedia.org/wiki/markov_chain)实现<;br>;
pip安装markovx
adding chains
`` python
从markovx.models导入markovmodel
mx=markovmodel()
mx.add_one('123456')
mx.add_one('qwerty')
mx.add_many(['admin','root',,'user'])
````
generating chains
```python
mx.generate(6)len of tokens in chain
````
``python
mx.generate(6,random_init=true)
当链中的第一个令牌为true时,将随机分配
当基于观察到的第一个令牌为false时,将第一个令牌分配
默认为false
``````
``python
mx.generate(6,smart_ending=true)
当错误链在len(chain)==n之前不会终止时,即使模型到达一个结束标记
当true时,如果模型到达一个结束标记,而len(chain)<;n链将终止
默认为false
```
顺序马尔可夫链(位置相关链)
```python
从markovx.models导入顺序马尔可夫链
mx=ordinalmarkovmodel()
mx.add“one('123456')
mx.add“one('123qwe')
mx.add“many”(['qwerty','qwe123',,'qwe123456']
mx.generate(6)
````
br/>[马尔可夫链](https://en.wikipedia.org/wiki/markov_chain)实现<;br>;
pip安装markovx
adding chains
`` python
从markovx.models导入markovmodel
mx=markovmodel()
mx.add_one('123456')
mx.add_one('qwerty')
mx.add_many(['admin','root',,'user'])
````
generating chains
```python
mx.generate(6)len of tokens in chain
````
``python
mx.generate(6,random_init=true)
当链中的第一个令牌为true时,将随机分配
当基于观察到的第一个令牌为false时,将第一个令牌分配
默认为false
``````
``python
mx.generate(6,smart_ending=true)
当错误链在len(chain)==n之前不会终止时,即使模型到达一个结束标记
当true时,如果模型到达一个结束标记,而len(chain)<;n链将终止
默认为false
```
顺序马尔可夫链(位置相关链)
```python
从markovx.models导入顺序马尔可夫链
mx=ordinalmarkovmodel()
mx.add“one('123456')
mx.add“one('123qwe')
mx.add“many”(['qwerty','qwe123',,'qwe123456']
mx.generate(6)
````