一种综合随机实验设计的语言
sweetpea的Python项目详细描述
甜豌豆[构建状态]（https://travis-ci.org/sweetpea-org/sweetpea-py.svg？branch=master）“（https://travis ci.org/sweetpea org/sweetpea py）
sweetpea是一种用于声明性地指定随机实验设计的语言，也是一种用于合成从设计规范生成的试验序列的运行时；这个原型是针对心理学和神经科学实验的。
实验设计是对实验因素、因素之间关系、顺序约束以及如何将这些因素映射到一系列试验的描述。实验结果的可靠性和有效性在很大程度上依赖于严格的实验设计。
sweetpea提供了一个高级接口来声明性地描述实验设计，并提供了一个低级合成器来生成给定可满足约束的无偏试验序列。Sweetpea通过将实验设计编译成布尔逻辑来对试验序列进行采样，然后将其传递给SAT采样器。SAT采样器[UNIGEN ]（HTTPS://BoBKET.Org/KulDeMeelel/UnigEN）提供了统计保证，其解决方案在所有有效解的空间中大致一致地可能。这意味着，在生产完全无偏见的试验序列是棘手的，我们做下一个最好的事情-生产序列，几乎无偏见。
此项目处于早期阶段，可能会发生变化：它尚未准备好供实际使用。请不要依赖这些代码！
甜甜豆的使用也取决于[docker][1]在你的机器上的安装和运行。
intstall with‘pip `：
` ` ` `
pip install sweepea
“颜色”，“红色”，“blue”]）
text=factor（“text”，“red”，“blue”]）
conlevel=derivedlevel（“con”，带intrial（op.eq，[颜色，文本]）
inclevel=derivedlevel（“inc”，带intrial（op.ne，[颜色，文本]））
confactor=factor（“一致？”，[conlevel，inclevel]）
，“con”））]
block=full_cross_block（设计、交叉、约束）
experiments=synthesis_trials（block）
print_experiments（block，experiments）
````
[1]：https://www.docker.com/
sweetpea是一种用于声明性地指定随机实验设计的语言，也是一种用于合成从设计规范生成的试验序列的运行时；这个原型是针对心理学和神经科学实验的。
实验设计是对实验因素、因素之间关系、顺序约束以及如何将这些因素映射到一系列试验的描述。实验结果的可靠性和有效性在很大程度上依赖于严格的实验设计。
sweetpea提供了一个高级接口来声明性地描述实验设计，并提供了一个低级合成器来生成给定可满足约束的无偏试验序列。Sweetpea通过将实验设计编译成布尔逻辑来对试验序列进行采样，然后将其传递给SAT采样器。SAT采样器[UNIGEN ]（HTTPS://BoBKET.Org/KulDeMeelel/UnigEN）提供了统计保证，其解决方案在所有有效解的空间中大致一致地可能。这意味着，在生产完全无偏见的试验序列是棘手的，我们做下一个最好的事情-生产序列，几乎无偏见。
此项目处于早期阶段，可能会发生变化：它尚未准备好供实际使用。请不要依赖这些代码！
甜甜豆的使用也取决于[docker][1]在你的机器上的安装和运行。
intstall with‘pip `：
` ` ` `
pip install sweepea
“颜色”，“红色”，“blue”]）
text=factor（“text”，“red”，“blue”]）
conlevel=derivedlevel（“con”，带intrial（op.eq，[颜色，文本]）
inclevel=derivedlevel（“inc”，带intrial（op.ne，[颜色，文本]））
confactor=factor（“一致？”，[conlevel，inclevel]）
，“con”））]
block=full_cross_block（设计、交叉、约束）
experiments=synthesis_trials（block）
print_experiments（block，experiments）
````
[1]：https://www.docker.com/
欢迎加入QQ群-->： 979659372
