PHP機(jī)器學(xué)習(xí)庫(kù)php-ml的簡(jiǎn)單測(cè)試和使用

php-ml是一個(gè)使用PHP編寫(xiě)的機(jī)器學(xué)習(xí)庫(kù)。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(kù)，但實(shí)際上，他們大多都略顯復(fù)雜，配置起來(lái)讓很多新手感到絕望。php-ml這個(gè)機(jī)器學(xué)習(xí)庫(kù)雖然沒(méi)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(jiǎn)單的數(shù)據(jù)分析、預(yù)測(cè)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(guò)分的效率和精度。一些算法和庫(kù)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(méi)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(jiǎn)單的機(jī)器學(xué)習(xí)應(yīng)用，那么研究復(fù)雜庫(kù)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(wèn)題，我們能解決嗎？需求改變了怎么辦？相信大家都有過(guò)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(wèn)題，在五年、十年前提問(wèn)，然后零回復(fù)。。。所以，選擇最簡(jiǎn)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(qǐng)你拿C開(kāi)發(fā)。真要追求適用范圍，也請(qǐng)用C，甚至匯編。。。

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

       當(dāng)下載好了以后，我們可以看一看這個(gè)庫(kù)的文檔，文檔都是一些簡(jiǎn)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(lái)，我們來(lái)拿實(shí)際的數(shù)據(jù)測(cè)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(zhǎng)，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(kù)，代碼如下：

 1 <?php 2 include_once './src/jpgraph.php'; 3 include_once './src/jpgraph_line.php'; 4  5 $g = new Graph(1920,1080);//jpgraph的繪制操作 6 $g->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(hào)修正為小數(shù)點(diǎn)15     $labels[(int)$data[0]] = (float)$data[1];//這里將數(shù)據(jù)以鍵值的方式存入數(shù)組，方便我們根據(jù)鍵來(lái)排序16 }  
17 18 ksort($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(duì)比，我們接下來(lái)進(jìn)行學(xué)習(xí)。我們采用php-ml中的LeastSquars來(lái)進(jìn)行學(xué)習(xí)。我們測(cè)試的輸出需要存入文件，方便我們可以畫(huà)一個(gè)對(duì)比圖。學(xué)習(xí)代碼如下：

 1 <?php 2     require 'vendor/autoload.php'; 3  4     use Phpml\Regression\LeastSquares; 5     use Phpml\ModelManager; 6  7     $file = fopen('data.txt','r'); 8     $samples = array(); 9     $labels = array();10     $i = 0;11     while(!feof($file)){12         $data = explode('    ',fgets($file));13         $samples[$i][0] = (int)$data[0];14         $data[1] = str_replace(',','.',$data[1]);15         $labels[$i] = (float)$data[1];16         $i ++;17     }   
18     fclose($file);19 20     $regression = new LeastSquares();21     $regression->train($samples,$labels);22 23     //這個(gè)a數(shù)組是根據(jù)我們對(duì)原數(shù)據(jù)處理后的x值給出的，做測(cè)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(lái)，繪制一個(gè)圖形，先貼最后的效果圖：

代碼如下：

 1 <?php 2 include_once './src/jpgraph.php'; 3 include_once './src/jpgraph_line.php'; 4  5 $g = new Graph(1920,1080); 6 $g->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(guò)，這畢竟是40組數(shù)據(jù)，我們可以看出，大概的圖形趨勢(shì)是吻合的。一般的庫(kù)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(wàn)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(kù)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(wèn)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(wú)用的數(shù)據(jù)太多）。在做機(jī)器學(xué)習(xí)之前，對(duì)數(shù)據(jù)的預(yù)先處理也是必要的。

       接下來(lái)，我們來(lái)對(duì)花蕊數(shù)據(jù)進(jìn)行測(cè)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(wèn)題，所以我們選擇庫(kù)提供的SVC算法來(lái)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 <?php 2 require 'vendor/autoload.php'; 3  4 use Phpml\Classification\SVC; 5 use Phpml\SupportVectorMachine\Kernel; 6 use Phpml\Dataset\CsvDataset; 7  8 $dataset = new CsvDataset('Iris.csv' , 4, false); 9 $classifier = new SVC(Kernel::LINEAR,$cost = 1000);10 $classifier->train($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(jiǎn)單？短短12行代碼就搞定了。接下來(lái)，我們來(lái)測(cè)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(lái)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(méi)有的數(shù)據(jù)呢？我們來(lái)測(cè)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(lái)看，是合理的。

        所以，這個(gè)機(jī)器學(xué)習(xí)庫(kù)對(duì)于大多數(shù)的人來(lái)說(shuō)，都是夠用的。而大多數(shù)鄙視這個(gè)庫(kù)鄙視那個(gè)庫(kù)，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(qián)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(kù)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(kù)，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(kù)的出色封裝，學(xué)習(xí)代碼并不復(fù)雜。