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

 

 

 

 

 

转载于:https://www.cnblogs.com/guyj/p/3640217.html