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
