非参数概率密度估计的MATLAB代码 - matLearn：基于MATLAB的机器学习算法实现

简介：
matLearn是一套基于MATLAB开发的工具箱，专注于实现各种机器学习算法。其中包含用于非参数概率密度估计的高效MATLAB代码，适用于科研和教育用途。 概率密度函数非参数估计的Matlab代码matLearn是2014年秋季UBC大学CPSC540课程学生集体努力的结果，该课程由Mark Schmid博士教授。在那时，还没有TensorFlow、Caffe、Torch和PyTorch等库简化开发流程，并且大多数机器学习与深度学习实现都是使用MATLAB完成的。我记得2014年我为第一篇深度学习论文编写了一个DeepBeliefNetwork（DBN）库，当时是用超过3千行代码在MATLAB中编写的；而Caffe和TensorFlow的第一个版本直到2015年初才发布。 matLearn软件包包含了多种常用的机器学习算法的Matlab实现，并且这些算法都使用一个统一的接口。特别关注的任务包括： - 回归：根据观察到的（连续或离散）特征预测连续输出变量，提供了健壮、非参数化、核方法以及有序的方法。 - 分类：基于观测数据进行分类。 这一软件包旨在为需要利用经典机器学习算法的人提供一个便捷的选择。