PHP機器學習庫php-ml的簡單測試和使用

       php-ml是一個使用PHP編寫的機器學習庫。雖然咱們知道，python或者是C++提供了更多機器學習的庫，但實際上，他們大多都略顯複雜，配置起來讓不少新手感到絕望。php-ml這個機器學習庫雖然沒有特別高大上的算法，但其具備最基本的機器學習、分類等算法，咱們的小公司作一些簡單的數據分析、預測等等都是夠用的。咱們的項目中，追求的應該是性價比，而不是過度的效率和精度。一些算法和庫看上去很是厲害，但若是咱們考慮快速上線，而咱們的技術人員沒有機器學習方面的經驗，那麼複雜的代碼和配置反而會拖累咱們的項目。而若是咱們自己就是作一個簡單的機器學習應用，那麼研究複雜庫和算法的學習成本很顯然高了點，並且，項目出了奇奇怪怪的問題，咱們能解決嗎？需求改變了怎麼辦？相信你們都有過這種經歷：作着作着，程序突然報錯，本身怎麼都搞不清楚緣由，上谷歌或百度一搜，只搜出一條知足條件的問題，在五年、十年前提問，而後零回覆。。。因此，選擇最簡單最高效、性價比最高的作法是必須的。php-ml的速度不算慢（趕忙換php7吧），並且精度也不錯，畢竟算法都同樣，並且php是基於c的。博主最看不慣的就是，拿python和Java，PHP之間比性能，比適用範圍。真要性能，請你拿C開發。真要追求適用範圍，也請用C，甚至彙編。。。

       首先，咱們要使用這個庫，須要先下載這個庫。在github能夠下載到這個庫文件（https://github.com/php-ai/php-ml）。固然，更推薦使用composer來下載該庫，自動配置。

       當下載好了之後，咱們能夠看一看這個庫的文檔，文檔都是一些簡單的小示例，咱們能夠本身建一個文件嘗試一下。都淺顯易懂。接下來，咱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，另外一個因爲記錄丟失，因此不知道是有關什麼的數據了。。。

       Iris花蕊部分數據，有三種不一樣的分類：

                            

不知名數據集，小數點被打成了逗號，因此計算時還須要處理一下：

                                                    

       咱們先處理不知名數據集。首先，咱們的不知名數據集的文件名爲data.txt。而這個數據集恰好能夠先繪製成x-y折線圖。因此，咱們先將原數據繪製成一個折線圖。因爲x軸比較長，因此咱們只須要看清楚它大體的形狀便可：

     繪製採用了php的jpgraph庫，代碼以下：

 1 <?php
 2 include_once './src/jpgraph.php';
 3 include_once './src/jpgraph_line.php';
 4 
 5 $g = new Graph(1920,1080);//jpgraph的繪製操做
 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]);//數據處理，將數據中的逗號修正爲小數點
15     $labels[(int)$data[0]] = (float)$data[1];//這裏將數據以鍵值的方式存入數組，方便咱們根據鍵來排序
16 }  
17 
18 ksort($labels);//按鍵的大小排序
19 
20 $x = array();//x軸的表示數據
21 $y = array();//y軸的表示數據
22 foreach($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();

     在有了這個原圖作對比，咱們接下來進行學習。咱們採用php-ml中的LeastSquars來進行學習。咱們測試的輸出須要存入文件，方便咱們能夠畫一個對比圖。學習代碼以下：

 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     //這個a數組是根據咱們對原數據處理後的x值給出的，作測試用。
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     }

以後，咱們將存入文件的數據讀出來，繪製一個圖形，先貼最後的效果圖：

代碼以下：

 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();

       能夠發現，圖形出入仍是比較大的，尤爲是在圖形鋸齒比較多的部分。不過，這畢竟是40組數據，咱們能夠看出，大概的圖形趨勢是吻合的。通常的庫在作這種學習時，數據量低的狀況下，準確度都很是低。要達到比較高的精度，須要大量的數據，萬條以上的數據量是必要的。若是達不到這個數據要求，那咱們使用任何庫都是徒勞的。因此，機器學習的實踐中，真正難的不在精度低、配置複雜等技術問題，而是數據量不夠，或者質量過低（一組數據中無用的數據太多）。在作機器學習以前，對數據的預先處理也是必要的。

 

 

       接下來，咱們來對花蕊數據進行測試。一共三種分類，因爲咱們下載到的是csv數據，因此咱們可使用php-ml官方提供的操做csv文件的方法。而這裏是一個分類問題，因此咱們選擇庫提供的SVC算法來進行分類。咱們把花蕊數據的文件名定爲Iris.csv，代碼以下：

 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是命令行參數，調試這種程序使用命令行較方便

       是否是很簡單？短短12行代碼就搞定了。接下來，咱們來測試一下。根據咱們上面貼出的圖，當咱們輸入5  3.3  1.4  0.2的時候，輸出應該是Iris-setosa。咱們看一下：

       看，至少咱們輸入一個原來就有的數據，獲得了正確的結果。可是，咱們輸入原數據集中沒有的數據呢？咱們來測試兩組：

        由咱們以前貼出的兩張圖的數據看，咱們輸入的數據在數據集中並不存在，但分類按照咱們初步的觀察來看，是合理的。

        因此，這個機器學習庫對於大多數的人來講，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，基本上也不是什麼大牛。真正的大牛已經忙着撈錢去了，或者正在作學術研究等等。咱們更多的應該是掌握算法，瞭解其中的道理和玄機，而不是誇誇其談。固然，這個庫並不建議用在大型項目上，只推薦小型項目或者我的項目等。

        jpgraph只依賴GD庫，因此下載引用以後就可使用，大量的代碼都放在了繪製圖形和初期的數據處理上。因爲庫的出色封裝，學習代碼並不複雜。須要全部代碼或者測試數據集的小夥伴能夠留言或者私信等，我提供完整的代碼，解壓即用（博客園的空間過小，不適合上傳文件）。博主也正在學習，和你們共同努力。