最近学习《机器学习》云里雾里的，很多时候不知道老师在说什么，参考书买的是Kevin P. Murphy的《Machine Learning:A Probabilistic Perspective》，一共上下两卷，打印版本的共50大洋。作者除了书之外，还在google code上维护了与书本同步的工具包代码和数据，叫做PMTK3，主页地址PMTK3 on Google Code。

具体的解释大家可以看Project Home的官方介绍，PMTK是一组Matlab/Octave的函数集合，主要由Matt Dunham，Kevin Murphy编写维护，blabla…作者把主项目，数据，以及额外的工具包支持分成了三个Project托管在Google Code上，其它两个是PMTKData以及PMTKSupport。

下载了PMTK后的第一步是运行initPmtk3，主要执行的是下载依赖的package from pmtksupport.googlecode.com到pmtk3/pmtksupportCopy目录。把所有的包下完并解压缩，其中下载用perl（如果有的话）或者urlwrite，解压用unzip。其实也可以实现离线安装，即提前下载好所有的package，人工复制到pmtksupportCopy目录即可。悲剧的是，官方并没有提供一个离线压缩包，google code上只提供了SVN检出，也罢，其实实质也是下载，这个时候可以直接把package检出到pmtksupportCopy目录，方便以后直接svn update，当然也可以checkout到其它目录，然后人工复制。

第二步是运行testPmtk3，主要执行了几个Demo，这个时候需要数据支持，因此脚本会触发网络链接去google code上下载数据包，同样的办法，我们也可以用SVN检出，拷贝过去即可。

最后，runDemos，官方说运行时间比较长，我觉得是因为下载数据包占用了大量时间，如果提前把数据准备好，放到相应的pmtkdataCopy目录，时间会缩短不少，我没有实际运行，估计也就十分钟左右吧，当然还要看你的电脑配置了。

PMTK3的整个工具包有很强的学习意义，Machine Learning自然不必多说，也是学习Matlab的好教材，自己研读作者的代码，可以发现代码的简洁和严谨。目前，这个项目还在维护中，而且作者在做Python的Port，希望之后自己能在这方面榜上点忙。

机器学习，模式识别，人工智能，数据挖掘。任重道远，路漫漫修远兮！