python - 如何从一系列随机字符创建数据集以分割它们

问题描述

我有一个这样的随机字母序列：

'xrrlzxmnbbazpcljsvtnpjizbnangxasvyljsvtntpjizbbjangpilaenztli*yacnhkhlpfnpfstljsvtentpsbtaythecqhssagtobpbazpcweyacnpilaenztlsixwukmukhplfhkhphlf...'

这个序列实际上是由单词序列组成的（例如 xrrlzxmn,bbazpc,ljsvtnpjiz 等等..），它们有时会重复自己但有一点变化（例如 xrrl k zxm、xrrl xz mn 或删除一个字符） . 我想创建一个数据集来应用聚类技术，但我不知道该怎么做......
我不知道如何用数字或向量表示像“xrrlzxmn”这样的词......哪些属性（数据集的列）可能是对的吗？

我的目标是按如下方式分割该序列： 'xrrlzxmn bbazpc ljsvtnpjiz bnangx asvyljsvtnt pjizbbjangpil aenzt li yacnhk hlpfnpfs tljsvte ntps btaythecq hssagto bpbazp cweyacnpi laenztlsi xwukmuk hplfhk hphlf...'*

我必须在单词之间插入一个分隔符，但由于我没有字典，所以我处于不受监督的情况下，所以我正在考虑使用集群

标签： pythonmachine-learningdataset

python - 如何从一系列随机字符创建数据集以分割它们

问题描述

解决方案

推荐阅读