PHP機(jī)器學(xué)習(xí)庫php-ml的簡單測試和使用方法

php-ml是一個(gè)使用PHP編寫的機(jī)器學(xué)習(xí)庫。雖然我們知道，python或者是C++提供了更多機(jī)器學(xué)習(xí)的庫，但實(shí)際上，他們大多都略顯復(fù)雜，配置起來讓很多新手感到絕望。

php-ml這個(gè)機(jī)器學(xué)習(xí)庫雖然沒有特別高大上的算法，但其具有最基本的機(jī)器學(xué)習(xí)、分類等算法，我們的小公司做一些簡單的數(shù)據(jù)分析、預(yù)測等等都是夠用的。我們的項(xiàng)目中，追求的應(yīng)該是性價(jià)比，而不是過分的效率和精度。一些算法和庫看上去非常厲害，但如果我們考慮快速上線，而我們的技術(shù)人員沒有機(jī)器學(xué)習(xí)方面的經(jīng)驗(yàn)，那么復(fù)雜的代碼和配置反而會(huì)拖累我們的項(xiàng)目。而如果我們本身就是做一個(gè)簡單的機(jī)器學(xué)習(xí)應(yīng)用，那么研究復(fù)雜庫和算法的學(xué)習(xí)成本很顯然高了點(diǎn)，而且，項(xiàng)目出了奇奇怪怪的問題，我們能解決嗎？需求改變了怎么辦？相信大家都有過這種經(jīng)歷：做著做著，程序忽然報(bào)錯(cuò)，自己怎么都搞不清楚原因，上谷歌或百度一搜，只搜出一條滿足條件的問題，在五年、十年前提問，然后零回復(fù)。。。

所以，選擇最簡單最高效、性價(jià)比最高的做法是必須的。php-ml的速度不算慢（趕緊換php7吧），而且精度也不錯(cuò)，畢竟算法都一樣，而且php是基于c的。博主最看不慣的就是，拿python和Java，PHP之間比性能，比適用范圍。真要性能，請你拿C開發(fā)。真要追求適用范圍，也請用C，甚至匯編。。。

首先，我們要使用這個(gè)庫，需要先下載這個(gè)庫。在github可以下載到這個(gè)庫文件（https://github.com/php-ai/php-ml）。當(dāng)然，更推薦使用composer來下載該庫，自動(dòng)配置。

當(dāng)下載好了以后，我們可以看一看這個(gè)庫的文檔，文檔都是一些簡單的小示例，我們可以自己建一個(gè)文件嘗試一下。都淺顯易懂。接下來，我們來拿實(shí)際的數(shù)據(jù)測試一下。數(shù)據(jù)集一個(gè)是Iris花蕊的數(shù)據(jù)集，另一個(gè)由于記錄丟失，所以不知道是有關(guān)什么的數(shù)據(jù)了。。。

Iris花蕊部分?jǐn)?shù)據(jù)，有三種不同的分類：

不知名數(shù)據(jù)集，小數(shù)點(diǎn)被打成了逗號(hào)，所以計(jì)算時(shí)還需要處理一下：

我們先處理不知名數(shù)據(jù)集。首先，我們的不知名數(shù)據(jù)集的文件名為data.txt。而這個(gè)數(shù)據(jù)集剛好可以先繪制成x-y折線圖。所以，我們先將原數(shù)據(jù)繪制成一個(gè)折線圖。由于x軸比較長，所以我們只需要看清楚它大致的形狀即可：

繪制采用了php的jpgraph庫，代碼如下：    
<?php
include_once './src/jpgraph.php';
include_once './src/jpgraph_line.php';
 
$g = new Graph(1920,1080);//jpgraph的繪制操作
$g->SetScale("textint");
$g->title->Set('data');
 
//文件的處理
$file = fopen('data.txt','r');
$labels = array();
while(!feof($file)){
 $data = explode(' ',fgets($file));  
 $data[1] = str_replace(',','.',$data[1]);//數(shù)據(jù)處理，將數(shù)據(jù)中的逗號(hào)修正為小數(shù)點(diǎn)
 $labels[(int)$data[0]] = (float)$data[1];//這里將數(shù)據(jù)以鍵值的方式存入數(shù)組，方便我們根據(jù)鍵來排序
}
 
ksort($labels);//按鍵的大小排序
 
$x = array();//x軸的表示數(shù)據(jù)
$y = array();//y軸的表示數(shù)據(jù)
foreach($labels as $key=>$value){
 array_push($x,$key);
 array_push($y,$value);
}
 
 
$linePlot = new LinePlot($y);
$g->xaxis->SetTickLabels($x);
$linePlot->SetLegend('data');
$g->Add($linePlot);
$g->Stroke();

在有了這個(gè)原圖做對比，我們接下來進(jìn)行學(xué)習(xí)。我們采用php-ml中的LeastSquars來進(jìn)行學(xué)習(xí)。我們測試的輸出需要存入文件，方便我們可以畫一個(gè)對比圖。學(xué)習(xí)代碼如下：    
<?php
 require 'vendor/autoload.php';
 
 use Phpml\Regression\LeastSquares;
 use Phpml\ModelManager;
 
 $file = fopen('data.txt','r');
 $samples = array();
 $labels = array();
 $i = 0;
 while(!feof($file)){
  $data = explode(' ',fgets($file));
  $samples[$i][0] = (int)$data[0];
  $data[1] = str_replace(',','.',$data[1]);
  $labels[$i] = (float)$data[1];
  $i ++;
 }
 fclose($file);
 
 $regression = new LeastSquares();
 $regression->train($samples,$labels);
 
 //這個(gè)a數(shù)組是根據(jù)我們對原數(shù)據(jù)處理后的x值給出的，做測試用。
 $a = [0,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,20,22,23,24,25,26,27,29,30,31,37,40,41,45,48,53,55,57,60,61,108,124];
 for($i = 0; $i < count($a); $i ++){
  file_put_contents("putput.txt",($regression->predict([$a[$i]]))."\n",FILE_APPEND); //以追加的方式存入文件  
 }
之后，我們將存入文件的數(shù)據(jù)讀出來，繪制一個(gè)圖形，先貼最后的效果圖：

代碼如下：    
<?php
include_once './src/jpgraph.php';
include_once './src/jpgraph_line.php';
 
$g = new Graph(1920,1080);
$g->SetScale("textint");
$g->title->Set('data');
 
$file = fopen('putput.txt','r');
$y = array();
$i = 0;
while(!feof($file)){
 $y[$i] = (float)(fgets($file));
 $i ++;   
}
 
$x = [0,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,20,22,23,24,25,26,27,29,30,31,37,40,41,45,48,53,55,57,60,61,108,124];
 
$linePlot = new LinePlot($y);
$g->xaxis->SetTickLabels($x);
$linePlot->SetLegend('data');
$g->Add($linePlot);
$g->Stroke();

可以發(fā)現(xiàn)，圖形出入還是比較大的，尤其是在圖形鋸齒比較多的部分。不過，這畢竟是40組數(shù)據(jù)，我們可以看出，大概的圖形趨勢是吻合的。一般的庫在做這種學(xué)習(xí)時(shí)，數(shù)據(jù)量低的情況下，準(zhǔn)確度都非常低。要達(dá)到比較高的精度，需要大量的數(shù)據(jù)，萬條以上的數(shù)據(jù)量是必要的。如果達(dá)不到這個(gè)數(shù)據(jù)要求，那我們使用任何庫都是徒勞的。所以，機(jī)器學(xué)習(xí)的實(shí)踐中，真正難的不在精度低、配置復(fù)雜等技術(shù)問題，而是數(shù)據(jù)量不夠，或者質(zhì)量太低（一組數(shù)據(jù)中無用的數(shù)據(jù)太多）。在做機(jī)器學(xué)習(xí)之前，對數(shù)據(jù)的預(yù)先處理也是必要的。

接下來，我們來對花蕊數(shù)據(jù)進(jìn)行測試。一共三種分類，由于我們下載到的是csv數(shù)據(jù)，所以我們可以使用php-ml官方提供的操作csv文件的方法。而這里是一個(gè)分類問題，所以我們選擇庫提供的SVC算法來進(jìn)行分類。我們把花蕊數(shù)據(jù)的文件名定為Iris.csv，代碼如下：

<?php
require 'vendor/autoload.php';
 
use Phpml\Classification\SVC;
use Phpml\SupportVectorMachine\Kernel;
use Phpml\Dataset\CsvDataset;
 
$dataset = new CsvDataset('Iris.csv' , 4, false);
$classifier = new SVC(Kernel::LINEAR,$cost = 1000);
$classifier->train($dataset->getSamples(),$dataset->getTargets());
 
echo $classifier->predict([$argv[1],$argv[2],$argv[3],$argv[4]]);//$argv是命令行參數(shù)，調(diào)試這種程序使用命令行較方便

是不是很簡單？短短12行代碼就搞定了。接下來，我們來測試一下。根據(jù)我們上面貼出的圖，當(dāng)我們輸入5 3.3 1.4 0.2的時(shí)候，輸出應(yīng)該是Iris-setosa。我們看一下：

看，至少我們輸入一個(gè)原來就有的數(shù)據(jù)，得到了正確的結(jié)果。但是，我們輸入原數(shù)據(jù)集中沒有的數(shù)據(jù)呢？我們來測試兩組：

由我們之前貼出的兩張圖的數(shù)據(jù)看，我們輸入的數(shù)據(jù)在數(shù)據(jù)集中并不存在，但分類按照我們初步的觀察來看，是合理的。

所以，這個(gè)機(jī)器學(xué)習(xí)庫對于大多數(shù)的人來說，都是夠用的。而大多數(shù)鄙視這個(gè)庫鄙視那個(gè)庫，大談性能的人，基本上也不是什么大牛。真正的大牛已經(jīng)忙著撈錢去了，或者正在做學(xué)術(shù)研究等等。我們更多的應(yīng)該是掌握算法，了解其中的道理和玄機(jī)，而不是夸夸其談。當(dāng)然，這個(gè)庫并不建議用在大型項(xiàng)目上，只推薦小型項(xiàng)目或者個(gè)人項(xiàng)目等。

jpgraph只依賴GD庫，所以下載引用之后就可以使用，大量的代碼都放在了繪制圖形和初期的數(shù)據(jù)處理上。由于庫的出色封裝，學(xué)習(xí)代碼并不復(fù)雜。需要所有代碼或者測試數(shù)據(jù)集的小伙伴可以留言或者私信等，我提供完整的代碼，解壓即用

以上這篇PHP機(jī)器學(xué)習(xí)庫php-ml的簡單測試和使用方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考。