So verwenden Sie maschinelle Lernfunktionen in PHP

Mit der kontinuierlichen Weiterentwicklung der Technologie der künstlichen Intelligenz ist maschinelles Lernen zu einem wichtigen Bestandteil der Anwendung der Technologie der künstlichen Intelligenz geworden. Im Bereich der Webentwicklung ist PHP eine weit verbreitete Programmiersprache. Daher kann das Verständnis, wie man maschinelle Lernfunktionen in PHP nutzt, nicht nur unsere Programmierkenntnisse verbessern, sondern auch intelligentere Funktionen für unsere Webanwendungen bereitstellen. In diesem Artikel wird erläutert, wie Sie maschinelle Lernfunktionen in PHP verwenden.

1. Grundkonzepte maschineller Lernfunktionen

Bevor Sie maschinelle Lernfunktionen in PHP verwenden, müssen Sie zunächst den Unterschied zwischen maschinellen Lernfunktionen und gewöhnlichen Funktionen verstehen. Funktionen des maschinellen Lernens unterscheiden sich von gewöhnlichen Funktionen dadurch, dass sie Daten als Eingabe benötigen und nicht nur Daten verarbeiten. Beim maschinellen Lernen ist die Klassifizierung eine der häufigsten Aufgaben. Bei der Klassifizierung handelt es sich um eine Technik, die Eingabedaten in zwei oder mehr Kategorien unterteilt. Modelle des maschinellen Lernens können darauf trainiert werden, Muster und Muster in Daten zu lernen, um neue Daten zu klassifizieren.

2. Schritte zur Verwendung von Funktionen für maschinelles Lernen in PHP

1. Installieren Sie die PHP-ML-Bibliothek

PHP-ML ist eine speziell für PHP entwickelte Bibliothek für maschinelles Lernen. Es unterstützt die gängigsten Algorithmen für maschinelles Lernen wie Entscheidungsbäume, K-nächste Nachbarn, naive Bayes usw. Um die PHP-ML-Bibliothek nutzen zu können, müssen Sie diese zunächst installieren. Kann mit Composer installiert werden. Führen Sie den folgenden Befehl im Terminal aus:

composer require php-ai/php-ml

2. Daten werden geladen

Um maschinelle Lernfunktionen in PHP für Klassifizierungsaufgaben nutzen zu können, benötigen Sie einen Datensatz. Ein Datensatz ist eine Sammlung von Daten, die aus Eingaben und Ausgaben besteht. Unter diesen werden Eingabedaten auch als Merkmale bezeichnet, mit denen die Attribute der Daten beschrieben werden. Die Ausgabedaten werden als Ziel bezeichnet und beschreiben die Kategorie, zu der die Daten gehören.

In PHP-ML wird ein Datensatz durch ein Array dargestellt, und jedes Element ist ein Array, das Eingabe und Ausgabe enthält. Beispielsweise können wir einen Datensatz mit zwei Funktionen und einem Ziel erstellen, wie unten gezeigt:

$dataset = [
    [0, 0, 'negative'],
    [0, 1, 'positive'],
    [1, 0, 'positive'],
    [1, 1, 'negative']
];

3. Trainingsdaten vorbereiten

Bevor Sie das Modell trainieren, können Sie den Datensatz durch Aufteilen in Trainingsdaten und Testdaten von uns auswerten lassen Leistung des Modells. In PHP-ML können Sie die Klasse Split verwenden, um einen Datensatz in Trainings- und Testdaten aufzuteilen. Hier ist das Codebeispiel:

use PhpmlCrossValidationStratifiedRandomSplit;

$split = new StratifiedRandomSplit($dataset, 0.5);
$trainDataset = $split->getTrainSamples();
$trainLabels = $split->getTrainLabels();
$testDataset = $split->getTestSamples();
$testLabels = $split->getTestLabels();

In diesem Beispiel teilen wir den $dataset in Trainingsdaten und Testdaten mit einem Verhältnis von 0,5 auf. $trainDataset und $trainLabels enthalten Trainingsdaten und entsprechende Zielwerte, und $testDataset und $testLabels enthalten Testdaten und entsprechende Zielwerte.

4. Training des Modells

Sobald Sie die Trainingsdaten vorbereitet haben, können Sie das Modell trainieren. In PHP-ML können verschiedene Algorithmen des maschinellen Lernens zum Trainieren von Modellen verwendet werden. Hier ist ein Codebeispiel, das den neuronalen Netzwerkalgorithmus verwendet, um ein Modell zu trainieren:

use PhpmlNeuralNetworkNetwork;
use PhpmlNeuralNetworkLayer;

$layers = [
    new Layer(2),
    new Layer(3),
    new Layer(1)
];

$neuralNetwork = new Network(...$layers);

$neuralNetwork->train($trainDataset, $trainLabels);

In diesem Beispiel definieren wir ein Modell basierend auf dem neuronalen Netzwerkalgorithmus und trainieren es mit der Methode $neuralNetwork->train(). Als Parameter werden dieser Methode die Trainingsdaten und entsprechende Zielwerte übergeben.

5. Verwenden Sie das Modell, um Vorhersagen zu treffen

Sobald das Training abgeschlossen ist, können Sie das Modell verwenden, um neue Daten zu klassifizieren. In PHP-ML können Sie die Methode Predict() verwenden, um Vorhersagen zu neuen Daten zu treffen. Hier ist das Codebeispiel:

$predictedLabels = [];
foreach ($testDataset as $sample) {
    $predictedLabels[] = $neuralNetwork->predict($sample);
}

In diesem Beispiel verwenden wir die Methode $neuralNetwork->predict(), um Vorhersagen zu den Testdaten zu treffen und die Ergebnisse im Array $predictedLabels zu speichern.

3. Zusammenfassung

Dieser Artikel stellt vor, wie man maschinelle Lernfunktionen in PHP für Klassifizierungsaufgaben verwendet. Um die PHP-ML-Bibliothek nutzen zu können, müssen Sie diese zunächst installieren. Als nächstes muss der Datensatz geladen und in Trainings- und Testdaten aufgeteilt werden. Anschließend können die Trainingsdaten mithilfe verschiedener Machine-Learning-Algorithmen trainiert werden. Abschließend kann das trainierte Modell zur Klassifizierung neuer Daten verwendet werden. Der Einsatz maschineller Lernfunktionen kann uns dabei helfen, intelligentere Webanwendungen zu erstellen.

Das obige ist der detaillierte Inhalt vonSo verwenden Sie maschinelle Lernfunktionen in PHP. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!