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-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。。。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。。。

       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。。。

       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：

     繪制采用了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)$data[1];//這里將數據以鍵值的方式存入數組，方便我們根據鍵來排序16 }  
17 18 ksort($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：

 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后的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：

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。

       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：

 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并不存在，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。

        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。