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。虽然我们知道，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，配置起来让很多新手感到绝望。php-ml这个机器学习库虽然没有特别高大上的算法，但其具有最基本的机器学习、分类等算法，我们的小公司做一些简单的数据分析、预测等等都是够用的。我们的项目中，追求的应该是性价比，而不是过分的效率和精度。一些算法和库看上去非常厉害，但如果我们考虑快速上线，而我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我们的项目。而如果我们本身就是做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，而且，项目出了奇奇怪怪的问题，我们能解决吗？需求改变了怎么办？相信大家都有过这种经历：做着做着，程序忽然报错，自己怎么都搞不清楚原因，上谷歌或百度一搜，只搜出一条满足条件的问题，在五年、十年前提问，然后零回复。。。所以，选择最简单最高效、性价比最高的做法是必须的。php-ml的速度不算慢（赶紧换php7吧），而且精度也不错，毕竟算法都一样，而且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，我们要使用这个库，需要先下载这个库。在github可以下载到这个库文件（https://github.com/php-ai/php-ml）。当然，更推荐使用composer来下载该库，自动配置。

当下载好了以后，我们可以看一看这个库的文档，文档都是一些简单的小示例，我们可以自己建一个文件尝试一下。都浅显易懂。接下来，我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，另一个由于记录丢失，所以不知道是有关什么的数据了。。。

Iris花蕊部分数据，有三种不同的分类：

                            

不知名数据集，小数点被打成了逗号，所以计算时还需要处理一下：

                                                    

我们先处理不知名数据集。首先，我们的不知名数据集的文件名为data.txt。而这个数据集刚好可以先绘制成x-y折线图。所以，我们先将原数据绘制成一个折线图。由于x轴比较长，所以我们只需要看清楚它大致的形状即可：

绘制采用了php的jpgraph库，代码如下：

 <?php
 include_once './src/jpgraph.php';
 include_once './src/jpgraph_line.php';

 $g = new Graph(1920,1080);//jpgraph的绘制操作
 $g->SetScale("textint");
 $g->title->Set('data');

 //文件的处理
 $file = fopen('data.txt','r');
 $labels = array();
 while(!feof($file)){
     $data = explode('    ',fgets($file));
     $data[1] = str_replace(',','.',$data[1]);//数据处理，将数据中的逗号修正为小数点
     $labels[(int)$data[0]] = (float)$data[1];//这里将数据以键值的方式存入数组，方便我们根据键来排序
 }  

 ksort($labels);//按键的大小排序

 $x = array();//x轴的表示数据
 $y = array();//y轴的表示数据
 foreach($labels as $key=>$value){
     array_push($x,$key);
     array_push($y,$value);
 }

 $linePlot = new LinePlot($y);
 $g->xaxis->SetTickLabels($x);
 $linePlot->SetLegend('data');
 $g->Add($linePlot);
 $g->Stroke();

在有了这个原图做对比，我们接下来进行学习。我们采用php-ml中的LeastSquars来进行学习。我们测试的输出需要存入文件，方便我们可以画一个对比图。学习代码如下：

 <?php
     require 'vendor/autoload.php';

     use Phpml\Regression\LeastSquares;
     use Phpml\ModelManager;

     $file = fopen('data.txt','r');
     $samples = array();
     $labels = array();
     $i = 0;
     while(!feof($file)){
         $data = explode('    ',fgets($file));
         $samples[$i][0] = (int)$data[0];
         $data[1] = str_replace(',','.',$data[1]);
         $labels[$i] = (float)$data[1];
         $i ++;
     }
     fclose($file);

     $regression = new LeastSquares();
     $regression->train($samples,$labels);

     //这个a数组是根据我们对原数据处理后的x值给出的，做测试用。
     $a = [0,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,20,22,23,24,25,26,27,29,30,31,37,40,41,45,48,53,55,57,60,61,108,124];
     for($i = 0; $i < count($a); $i ++){
         file_put_contents("putput.txt",($regression->predict([$a[$i]]))."\n",FILE_APPEND); //以追加的方式存入文件
     }

之后，我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：

代码如下：

 <?php
 include_once './src/jpgraph.php';
 include_once './src/jpgraph_line.php';

 $g = new Graph(1920,1080);
 $g->SetScale("textint");
 $g->title->Set('data');

 $file = fopen('putput.txt','r');
 $y = array();
 $i = 0;
 while(!feof($file)){
     $y[$i] = (float)(fgets($file));
     $i ++;
 }  

 $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];

 $linePlot = new LinePlot($y);
 $g->xaxis->SetTickLabels($x);
 $linePlot->SetLegend('data');
 $g->Add($linePlot);
 $g->Stroke();

可以发现，图形出入还是比较大的，尤其是在图形锯齿比较多的部分。不过，这毕竟是40组数据，我们可以看出，大概的图形趋势是吻合的。一般的库在做这种学习时，数据量低的情况下，准确度都非常低。要达到比较高的精度，需要大量的数据，万条以上的数据量是必要的。如果达不到这个数据要求，那我们使用任何库都是徒劳的。所以，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，或者质量太低（一组数据中无用的数据太多）。在做机器学习之前，对数据的预先处理也是必要的。

接下来，我们来对花蕊数据进行测试。一共三种分类，由于我们下载到的是csv数据，所以我们可以使用php-ml官方提供的操作csv文件的方法。而这里是一个分类问题，所以我们选择库提供的SVC算法来进行分类。我们把花蕊数据的文件名定为Iris.csv，代码如下：

 <?php
 require 'vendor/autoload.php';

 use Phpml\Classification\SVC;
 use Phpml\SupportVectorMachine\Kernel;
 use Phpml\Dataset\CsvDataset;

 $dataset = new CsvDataset('Iris.csv' , 4, false);
 $classifier = new SVC(Kernel::LINEAR,$cost = 1000);
 $classifier->train($dataset->getSamples(),$dataset->getTargets());

 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

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

看，至少我们输入一个原来就有的数据，得到了正确的结果。但是，我们输入原数据集中没有的数据呢？我们来测试两组：

由我们之前贴出的两张图的数据看，我们输入的数据在数据集中并不存在，但分类按照我们初步的观察来看，是合理的。

所以，这个机器学习库对于大多数的人来说，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，或者正在做学术研究等等。我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。当然，这个库并不建议用在大型项目上，只推荐小型项目或者个人项目等。

jpgraph只依赖GD库，所以下载引用之后就可以使用，大量的代码都放在了绘制图形和初期的数据处理上。由于库的出色封装，学习代码并不复杂。需要所有代码或者测试数据集的小伙伴可以留言或者私信等，我提供完整的代码，解压即用（博客园的空间太小，不适合上传文件）。博主也正在学习，和大家共同努力。