https://github.com/elamani-drawing/mcmc-au

Implémentation des méthodes d'une MCMC en python
https://github.com/elamani-drawing/mcmc-au

mcmc python3

Last synced: 11 days ago
JSON representation

Implémentation des méthodes d'une MCMC en python

• Host: GitHub
• URL: https://github.com/elamani-drawing/mcmc-au
• Owner: elamani-drawing
• License: mit
• Created: 2022-08-24T00:37:20.000Z (over 2 years ago)
• Default Branch: main
• Last Pushed: 2022-08-27T17:55:27.000Z (over 2 years ago)
• Last Synced: 2024-04-30T01:01:47.942Z (9 months ago)
• Topics: mcmc, python3
• Language: Python
• Homepage: https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo_par_cha%C3%AEnes_de_Markov
• Size: 941 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# MCMC-AU

### Description

Ce projet est inspiré de la vidéo de [`ScienceEtonnante`](https://www.youtube.com/watch?v=z4tkHuWZbRA&t=498s).  

Il a pour but de permettre de :

1. recueillir des renseignements sur une chaine de caractère (ou un texte) avec [`Sampling`](/doc/sampling.md). Puis de pouvoir générer de nouveaux mots qui n’existe pas, ou exporter les données dans des fichiers (json, txt).

2. décrypter une phrase de plus de 20 mots qui a été crypté.[`Decryption`](/doc/decryption.md)

### Installation

1. PIP : `pip install MCMC-AU`

2. Git : `git clone https://github.com/elamani-drawing/mcmc-au/`

### Execution des tests 

1. Tous les tests: `python -m unittest discover ./test/ -p "*"`

2. Un test précis: `python ./test/Sampling.py`

## License

Ce projet est sous [``licence MIT``](LICENSE).

## Auteurs

1. [Au = Or [79]](https://github.com/elamani-drawing)

2. [glogwa68](https://github.com/glogwa68)