一些實用的機器學習工具箱和代碼

matlab:
     initPmtk3:　　 https://code.google.com/p/pmtk3/  
                         非常強大的一個工具包，幾乎包含了機器學習所有常用算法。

     dimension reduction:　　 http://www.cad.zju.edu.cn/home/dengcai/Data/data.html  
                                        蔡登的論文代碼，主要是降維的如PCA,LDA等，還有譜回歸、特征選擇、矩陣分解、聚類等。


     feature extraction:
          LBP feature:      http://www.cse.oulu.fi/CMV/Downloads/LBPMatlab
                                局部二值模型(Local Binary Pattern)，一種非常強大的紋理特征
          
     classifier:
          random forest:　　　　 https://code.google.com/p/randomforest-matlab/
                                     　　隨機森林分類器，准確率與速度都還不錯

          libsvm:　　　　　　　　 www.csie.ntu.edu.tw/~cjlin/libsvm/
                                        　最強大的SVM工具箱

          sparse representation:　　 http://www.eecs.berkeley.edu/~yang/software/l1benchmark/
                                               稀疏表示分類器  

    
python:
     numpy:　　　　 www.numpy.org/
     scipy:　　　　    www.scipy.org/
                           前兩個主要是數值運算包，在機器學習，數據挖掘方面也是必須的。

     scikit-learn:　　 scikit-learn.org/
                           python中最強大的機器學習包