[转]一些实用的机器学习工具箱和代码

matlab:

initPmtk3:https://code.google.com/p/pmtk3/

非常强大的一个工具包，几乎包含了机器学习所有常用算法。

dimension reduction:http://www.cad.zju.edu.cn/home/dengcai/Data/data.html

蔡登的论文代码，主要是降维的如PCA,LDA等，还有谱回归、特征选择、矩阵分解、聚类等。

feature extraction:

LBP feature:http://www.cse.oulu.fi/CMV/Downloads/LBPMatlab

局部二值模型(Local Binary Pattern)，一种非常强大的纹理特征

classifier:

random forest:https://code.google.com/p/randomforest-matlab/

随机森林分类器，准确率与速度都还不错

libsvm:www.csie.ntu.edu.tw/~cjlin/libsvm/

最强大的SVM工具箱

sparse representation:http://www.eecs.berkeley.edu/~yang/software/l1benchmark/

稀疏表示分类器

python:

numpy:www.numpy.org/

scipy:www.scipy.org/

前两个主要是数值运算包，在机器学习，数据挖掘方面也是必须的。

scikit-learn:scikit-learn.org/

python中最强大的机器学习包