对于很多读者来说,对 MATLAB 的利用可能还停留在单纯的仿真甚至矩阵运算方面。经过 30 多年的发展,MATLAB积累了大量工业级的工具箱,广度上涵盖通用科学计算、通信与信号处理、控制系统、金融等各个领域。在深度上,采用基于模型的设计方法,MATLAB已经在算法开发、系统设计、自动代码生成以及从单元测试到系统验证的各个方面,具备了成熟的流程和完整的功能。
在过去30年中,MATLAB一直活跃在数据分析领域。大量的用户使用MATLAB进行数据分析,以获取数据的特征(Data Analysis),并对未知输入进行预测(Data Analytics)。机器学习正是目前使用*为广泛的算法手段之一。
机器学习是一个系统工程,一个完整的数据分析流程包括数据的获取、数据清洗和探索、数据分析以及结果发布。这也是 MATLAB 作为统一开发环境的价值。在数据获取方面,MATLAB 支持多种类型的数据输入,包括分布式文件系统、硬件设备、测试仪器、数据库等,足以应付大多数的机器学习场景。同时,不同领域的工具箱能够提供专业的数据预处理和可视化功能。随着技术的进步,数据的总量正在以指数的速度增长,MATLAB 支持并行计算和云计算,能大大提升算法的研发效率。繁荣的图书市场上,在 MATLAB 图书计划中注册的书籍已超过 1800 部,涉及 MATLAB 的方方面面。虽然在售的 MATLAB 图书远远超过这个数目,但本书仍是我们MATLAB图书计划里一百多部中文书籍中**本关于机器学习的专著。本书由 MathWorks 中国技术专家陈建平和 EMC 研究院李三平博士翻译。
从自主系统的角度,本书对机器学习的原理进行了介绍。我们在接触大量 MATLAB 用户的过程中,发现领域专家想利用机器学习的手段对搜集的数据进行分析和预测,但不知如何快速开展工作。也有不少人通过网络了解到一些机器学习的算法描述,却苦于无法找到兼顾原理与工具的中文图书,在有效地选取*佳算法与进行分析和预测等实践方面存在困难。本书为这些读者提供了重要的指南,有助于他们快速开展工作,有效选取合适的算法,并进行分析和预测。
我相信本书在MATLAB与机器学习方面系统性的阐述能够对读者有所帮助。
周拥华
MathWorks 中国技术经理