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./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./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./~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 |
|