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）
````
欢迎加入QQ群-->： 979659372
