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