乱爱性全过程免费视频/午夜毛片视频/中文字幕av三区/一级视频网址

當前位置： 維易PHP培訓學院 > PHP學習 > 內容正文

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法

作者：VEPHP   時間 2017-09-10

《PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法》要點：
本文介紹了PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法，希望對您有用。如果有疑問，可以聯系我們。

php-ml是一個使用PHP編寫的機器學習庫.雖然我們知道,python或者是C++提供了更多機器學習的庫,但實際上,他們大多都略顯復雜,配置起來讓很多新手感到絕望.PHP應用

php-ml這個機器學習庫雖然沒有特別高大上的算法,但其具有最基本的機器學習、分類等算法,我們的小公司做一些簡單的數據分析、預測等等都是夠用的.我們的項目中,追求的應該是性價比,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,而我們的技術人員沒有機器學習方面的經驗,那么復雜的代碼和配置反而會拖累我們的項目.而如果我們本身就是做一個簡單的機器學習應用,那么研究復雜庫和算法的學習成本很顯然高了點,而且,項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歷：做著做著,程序忽然報錯,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...PHP應用

所以,選擇最簡單最高效、性價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,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.真要追求適用范圍,也請用C,甚至匯編...PHP應用

首先,我們要使用這個庫,需要先下載這個庫.在github可以下載到這個庫文件(https://github.com/php-ai/php-ml).當然,更推薦使用composer來下載該庫,自動配置.PHP應用

當下載好了以后,我們可以看一看這個庫的文檔,文檔都是一些簡單的小示例,我們可以自己建一個文件嘗試一下.都淺顯易懂.接下來,我們來拿實際的數據測試一下.數據集一個是Iris花蕊的數據集,另一個由于記錄丟失,所以不知道是有關什么的數據了...PHP應用

Iris花蕊部分數據,有三種不同的分類：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

不知名數據集,小數點被打成了逗號,所以計算時還需要處理一下：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

我們先處理不知名數據集.首先,我們的不知名數據集的文件名為data.txt.而這個數據集剛好可以先繪制成x-y折線圖.所以,我們先將原數據繪制成一個折線圖.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：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

繪制采用了php的jpgraph庫,代碼如下：PHP應用

<?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]);//數據處理,將數據中的逗號修正為小數點
 $labels[(int)$data[0]] = (float)$data[1];//這里將數據以鍵值的方式存入數組,方便我們根據鍵來排序
} 
ksort($labels);//按鍵的大小排序
$x = array();//x軸的表示數據
$y = array();//y軸的表示數據
foreach($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();

在有了這個原圖做對比,我們接下來進行學習.我們采用php-ml中的LeastSquars來進行學習.我們測試的輸出需要存入文件,方便我們可以畫一個對比圖.學習代碼如下：PHP應用

<?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a數組是根據我們對原數據處理后的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據讀出來,繪制一個圖形,先貼最后的效果圖：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

代碼如下：PHP應用

<?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();

可以發現,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組數據,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習時,數據量低的情況下,準確度都非常低.要達到比較高的精度,需要大量的數據,萬條以上的數據量是必要的.如果達不到這個數據要求,那我們使用任何庫都是徒勞的.所以,機器學習的實踐中,真正難的不在精度低、配置復雜等技術問題,而是數據量不夠,或者質量太低(一組數據中無用的數據太多).在做機器學習之前,對數據的預先處理也是必要的.PHP應用

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

<?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,調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.根據我們上面貼出的圖,當我們輸入5 3.3 1.4 0.2的時候,輸出應該是Iris-setosa.我們看一下：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

看,至少我們輸入一個原來就有的數據,得到了正確的結果.但是,我們輸入原數據集中沒有的數據呢?我們來測試兩組：PHP應用

PHP實戰：PHP機器學習庫php-ml的簡單測試和使用方法PHP應用

由我們之前貼出的兩張圖的數據看,我們輸入的數據在數據集中并不存在,但分類按照我們初步的觀察來看,是合理的.PHP應用

所以,這個機器學習庫對于大多數的人來說,都是夠用的.而大多數鄙視這個庫鄙視那個庫,大談性能的人,基本上也不是什么大牛.真正的大牛已經忙著撈錢去了,或者正在做學術研究等等.我們更多的應該是掌握算法,了解其中的道理和玄機,而不是夸夸其談.當然,這個庫并不建議用在大型項目上,只推薦小型項目或者個人項目等.PHP應用

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據處理上.由于庫的出色封裝,學習代碼并不復雜.需要所有代碼或者測試數據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PHP應用

以上這篇PHP機器學習庫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容了,希望能給大家一個參考,也希望大家多多支持維易PHP.PHP應用

轉載請注明本頁網址：
http://www.fzlkiss.com/jiaocheng/492.html


    標簽：