高斯混合模型GMM实现EM算法

说明：  opencv 4.1官方文档，可以有效学习opencv。介绍了基本API等(Opencv 4.1 official documents, you can effectively learn opencv. Introduced the basic API and so on)

用python爬虫抓站的实用技巧，学习python爬虫抓站的实用知识(Practical Skills of Python Crawler Grab Station)

说明：  学习Python语言的好方法，该资源给出了详细的额介绍(A good way to learn python language)

说明：  利用卷积神经网络及神经网络识别手写数字，准确率95以上。(Using convolution neural network and neural network to recognize handwritten digits, the accuracy is over 95.)

Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

说明：  1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。 2) 使用C-Means算法对所有数据点进行聚类。C=3。 任务2（必做）： 使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。 任务3（全做）： 1) 参考数据文件第三列的类标签，使用聚类有效性评价的外部方法Normalized Mutual Information指标，分别计算任务1和任务2聚类结果的有效性。 2) 使用聚类有效性评价的内部方法Xie-Beni指标，分别计算任务1和任务2聚类结果的有效性。(The main results are as follows: 1) the condensed hierarchical clustering algorithm (that is, the minimum spanning tree algorithm) is used to cluster all the data points, and finally it is grouped into three categories. Any of the single linkage,complete linkage,average linkage or average group linkage methods can be selected for the definition of dissimilarity. 2) using C-Means algorithm to cluster all data points. C = 3.)

机器学习实战：基于 Scikit-Learn 和 TensorFlow 源代码

machine learning中最经典的图书(The most classic machine books learning)

说明：  IPC分类号的共现矩阵，技术融合，PYTHON代码(Co-occurrence matrix of IPC classification number)

说明：  python基本使用方法，以例子形式说明了如何基本掌握python使用(the basic using method for python)