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。。。
創(chuàng)新互聯(lián)建站一直在為企業(yè)提供服務(wù)，多年的磨煉，使我們在創(chuàng)意設(shè)計(jì)，營銷型網(wǎng)站到技術(shù)研發(fā)擁有了開發(fā)經(jīng)驗(yàn)。我們擅長傾聽企業(yè)需求，挖掘用戶對產(chǎn)品需求服務(wù)價(jià)值，為企業(yè)制作有用的創(chuàng)意設(shè)計(jì)體驗(yàn)。核心團(tuán)隊(duì)擁有超過十多年以上行業(yè)經(jīng)驗(yàn)，涵蓋創(chuàng)意，策化，開發(fā)等專業(yè)領(lǐng)域，公司涉及領(lǐng)域有基礎(chǔ)互聯(lián)網(wǎng)服務(wù)綿陽服務(wù)器托管、app開發(fā)定制、手機(jī)移動建站、網(wǎng)頁設(shè)計(jì)、網(wǎng)絡(luò)整合營銷。
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，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：
重慶分公司
重慶分公司
1 SetScale("textint"); 7 $g->title->Set('data'); 8 9 //文件的處理10 $file = fopen('data.txt','r');11 $labels = array();12 while(!feof($file)){13 $data = explode(' ',fgets($file));
14 $data[1] = str_replace(',','.',$data[1]);//數(shù)據(jù)處理，將數(shù)據(jù)中的逗號修正為小數(shù)點(diǎn)15 $labels[(int)$data[0]] = (float)$data[1];//這里將數(shù)據(jù)以鍵值的方式存入數(shù)組，方便我們根據(jù)鍵來排序16 }
17 18 ksort($labels);//按鍵的大小排序19 20 $x = array();//x軸的表示數(shù)據(jù)21 $y = array();//y軸的表示數(shù)據(jù)22 foreach($labels as $key=>$value){23 array_push($x,$key);24 array_push($y,$value);25 }26 27 28 $linePlot = new LinePlot($y);29 $g->xaxis->SetTickLabels($x);
30 $linePlot->SetLegend('data');31 $g->Add($linePlot);32 $g->Stroke();
在有了這個(gè)原圖做對比，我們接下來進(jìn)行學(xué)習(xí)。我們采用php-ml中的LeastSquars來進(jìn)行學(xué)習(xí)。我們測試的輸出需要存入文件，方便我們可以畫一個(gè)對比圖。學(xué)習(xí)代碼如下：
1 train($samples,$labels);22 23 //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。24 $a = [0,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,20,22,23,24,25,26,27,29,30,31,37,40,41,45,48,53,55,57,60,61,108,124];25 for($i = 0; $i < count($a); $i ++){26 file_put_contents("putput.txt",($regression->predict([$a[$i]]))."\n",FILE_APPEND); //以追加的方式存入文件 27 }
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：
1 SetScale("textint"); 7 $g->title->Set('data'); 8 9 $file = fopen('putput.txt','r');10 $y = array();11 $i = 0;12 while(!feof($file)){13 $y[$i] = (float)(fgets($file));14 $i ++;
15 }
16 17 $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];18 19 $linePlot = new LinePlot($y);20 $g->xaxis->SetTickLabels($x);
21 $linePlot->SetLegend('data');22 $g->Add($linePlot);23 $g->Stroke();
可以發(fā)現(xiàn)，圖形出入還是比較大的，尤其是在圖形鋸齒比較多的部分。不過，這畢竟是40組數(shù)據(jù)，我們可以看出，大概的圖形趨勢是吻合的。一般的庫在做這種學(xué)習(xí)時(shí)，數(shù)據(jù)量低的情況下，準(zhǔn)確度都非常低。要達(dá)到比較高的精度，需要大量的數(shù)據(jù)，萬條以上的數(shù)據(jù)量是必要的。如果達(dá)不到這個(gè)數(shù)據(jù)要求，那我們使用任何庫都是徒勞的。所以，機(jī)器學(xué)習(xí)的實(shí)踐中，真正難的不在精度低、配置復(fù)雜等技術(shù)問題，而是數(shù)據(jù)量不夠，或者質(zhì)量太低（一組數(shù)據(jù)中無用的數(shù)據(jù)太多）。在做機(jī)器學(xué)習(xí)之前，對數(shù)據(jù)的預(yù)先處理也是必要的。
接下來，我們來對花蕊數(shù)據(jù)進(jìn)行測試。一共三種分類，由于我們下載到的是csv數(shù)據(jù)，所以我們可以使用php-ml官方提供的操作csv文件的方法。而這里是一個(gè)分類問題，所以我們選擇庫提供的SVC算法來進(jìn)行分類。我們把花蕊數(shù)據(jù)的文件名定為Iris.csv，代碼如下：
1 train($dataset->getSamples(),$dataset->getTargets());11 12 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。
