PHP机器学习库php-ml的简单测试和使用

       php-ml是一个使用PHP编写的机器学习库。虽然咱们知道，python或者是C++提供了更多机器学习的库，但实际上，他们大多都略显复杂，配置起来让不少新手感到绝望。php-ml这个机器学习库虽然没有特别高大上的算法，但其具备最基本的机器学习、分类等算法，咱们的小公司作一些简单的数据分析、预测等等都是够用的。咱们的项目中，追求的应该是性价比，而不是过度的效率和精度。一些算法和库看上去很是厉害，但若是咱们考虑快速上线，而咱们的技术人员没有机器学习方面的经验，那么复杂的代码和配置反而会拖累咱们的项目。而若是咱们自己就是作一个简单的机器学习应用，那么研究复杂库和算法的学习成本很显然高了点，并且，项目出了奇奇怪怪的问题，咱们能解决吗？需求改变了怎么办？相信你们都有过这种经历：作着作着，程序突然报错，本身怎么都搞不清楚缘由，上谷歌或百度一搜，只搜出一条知足条件的问题，在五年、十年前提问，而后零回复。。。因此，选择最简单最高效、性价比最高的作法是必须的。php-ml的速度不算慢（赶忙换php7吧），并且精度也不错，毕竟算法都同样，并且php是基于c的。博主最看不惯的就是，拿python和Java，PHP之间比性能，比适用范围。真要性能，请你拿C开发。真要追求适用范围，也请用C，甚至汇编。。。

       首先，咱们要使用这个库，须要先下载这个库。在github能够下载到这个库文件（https://github.com/php-ai/php-ml）。固然，更推荐使用composer来下载该库，自动配置。

       当下载好了之后，咱们能够看一看这个库的文档，文档都是一些简单的小示例，咱们能够本身建一个文件尝试一下。都浅显易懂。接下来，咱们来拿实际的数据测试一下。数据集一个是Iris花蕊的数据集，另外一个因为记录丢失，因此不知道是有关什么的数据了。。。

       Iris花蕊部分数据，有三种不一样的分类：

                            

不知名数据集，小数点被打成了逗号，因此计算时还须要处理一下：

                                                    

       咱们先处理不知名数据集。首先，咱们的不知名数据集的文件名为data.txt。而这个数据集恰好能够先绘制成x-y折线图。因此，咱们先将原数据绘制成一个折线图。因为x轴比较长，因此咱们只须要看清楚它大体的形状便可：

     绘制采用了php的jpgraph库，代码以下：

 1 <?php
 2 include_once './src/jpgraph.php';
 3 include_once './src/jpgraph_line.php';
 4 
 5 $g = new Graph(1920,1080);//jpgraph的绘制操做
 6 $g->SetScale("textint");
 7 $g->title->Set('data');
 8 
 9 //文件的处理
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]);//数据处理，将数据中的逗号修正为小数点
15     $labels[(int)$data[0]] = (float)$data[1];//这里将数据以键值的方式存入数组，方便咱们根据键来排序
16 }  
17 
18 ksort($labels);//按键的大小排序
19 
20 $x = array();//x轴的表示数据
21 $y = array();//y轴的表示数据
22 foreach($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();

     在有了这个原图作对比，咱们接下来进行学习。咱们采用php-ml中的LeastSquars来进行学习。咱们测试的输出须要存入文件，方便咱们能够画一个对比图。学习代码以下：

 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     //这个a数组是根据咱们对原数据处理后的x值给出的，作测试用。
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     }

以后，咱们将存入文件的数据读出来，绘制一个图形，先贴最后的效果图：

代码以下：

 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();

       能够发现，图形出入仍是比较大的，尤为是在图形锯齿比较多的部分。不过，这毕竟是40组数据，咱们能够看出，大概的图形趋势是吻合的。通常的库在作这种学习时，数据量低的状况下，准确度都很是低。要达到比较高的精度，须要大量的数据，万条以上的数据量是必要的。若是达不到这个数据要求，那咱们使用任何库都是徒劳的。因此，机器学习的实践中，真正难的不在精度低、配置复杂等技术问题，而是数据量不够，或者质量过低（一组数据中无用的数据太多）。在作机器学习以前，对数据的预先处理也是必要的。

 

 

       接下来，咱们来对花蕊数据进行测试。一共三种分类，因为咱们下载到的是csv数据，因此咱们可使用php-ml官方提供的操做csv文件的方法。而这里是一个分类问题，因此咱们选择库提供的SVC算法来进行分类。咱们把花蕊数据的文件名定为Iris.csv，代码以下：

 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是命令行参数，调试这种程序使用命令行较方便

       是否是很简单？短短12行代码就搞定了。接下来，咱们来测试一下。根据咱们上面贴出的图，当咱们输入5  3.3  1.4  0.2的时候，输出应该是Iris-setosa。咱们看一下：

       看，至少咱们输入一个原来就有的数据，获得了正确的结果。可是，咱们输入原数据集中没有的数据呢？咱们来测试两组：

        由咱们以前贴出的两张图的数据看，咱们输入的数据在数据集中并不存在，但分类按照咱们初步的观察来看，是合理的。

        因此，这个机器学习库对于大多数的人来讲，都是够用的。而大多数鄙视这个库鄙视那个库，大谈性能的人，基本上也不是什么大牛。真正的大牛已经忙着捞钱去了，或者正在作学术研究等等。咱们更多的应该是掌握算法，了解其中的道理和玄机，而不是夸夸其谈。固然，这个库并不建议用在大型项目上，只推荐小型项目或者我的项目等。

        jpgraph只依赖GD库，因此下载引用以后就可使用，大量的代码都放在了绘制图形和初期的数据处理上。因为库的出色封装，学习代码并不复杂。须要全部代码或者测试数据集的小伙伴能够留言或者私信等，我提供完整的代码，解压即用（博客园的空间过小，不适合上传文件）。博主也正在学习，和你们共同努力。