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，他們大多都略顯複雜，配置起來讓很多新手感到絕望。php-ml這個機器學習庫雖然沒有特別高大上的演算法，但其具有最基本的機器學習、分類等演算法，我們的小公司做一些簡單的數據分析、預測等等都 ...
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，他們大多都略顯複雜，配置起來讓很多新手感到絕望。php-ml這個機器學習庫雖然沒有特別高大上的演算法，但其具有最基本的機器學習、分類等演算法，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。一些演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，那麼複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，那麼研究複雜庫和演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？需求改變了怎麼辦？相信大家都有過這種經歷：做著做著，程式忽然報錯，自己怎麼都搞不清楚原因，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，然後零回覆。。。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，畢竟演算法都一樣，而且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，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。
當下載好了以後，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，另一個由於記錄丟失，所以不知道是有關什麼的數據了。。。
Iris花蕊部分數據，有三種不同的分類：
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：
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製成x-y折線圖。所以，我們先將原數據繪製成一個折線圖。由於x軸比較長，所以我們只需要看清楚它大致的形狀即可：
繪製採用了php的jpgraph庫，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的繪製操作 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]);//數據處理，將數據中的逗號修正為小數點 15 $labels[(int)$data[0]] = (float)$data[1];//這裡將數據以鍵值的方式存入數組，方便我們根據鍵來排序 16 } 17 18 ksort($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();
在有了這個原圖做對比，我們接下來進行學習。我們採用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：
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數組是根據我們對原數據處理後的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 }
之後，我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、配置複雜等技術問題，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。
接下來，我們來對花蕊數據進行測試。一共三種分類，由於我們下載到的是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。而這裡是一個分類問題，所以我們選擇庫提供的SVC演算法來進行分類。我們把花蕊數據的文件名定為Iris.csv，代碼如下：
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，調試這種程式使用命令行較方便
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：
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：
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並不存在，但分類按照我們初步的觀察來看，是合理的。
所以，這個機器學習庫對於大多數的人來說，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，基本上也不是什麼大牛。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演算法，瞭解其中的道理和玄機，而不是誇誇其談。當然，這個庫並不建議用在大型項目上，只推薦小型項目或者個人項目等。
jpgraph只依賴GD庫，所以下載引用之後就可以使用，大量的代碼都放在了繪製圖形和初期的數據處理上。由於庫的出色封裝，學習代碼並不複雜。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（博客園的空間太小，不適合上傳文件）。博主也正在學習，和大家共同努力。
