如何使用Composer引入 PHP-ML 库在 PHP 环境中实现简单的机器学习-composer-PHP中文网

php-ml/php-ml 已于2026年彻底失效，因库从packagist移除、github归档、不兼容php 8.1+，硬依赖gmp等扩展且数据结构要求严苛，推荐改用python训练+php调用或math-php替代。

如何使用composer引入 php-ml 库在 php 环境中实现简单的机器学习

composer require php-ml/php-ml 这条命令在 2026 年已**无法成功执行**——不是你配置错，而是该库早已从 Packagist 移除，GitHub 仓库归档，PHP 8.1+ 下根本跑不起来。别浪费时间试 php-ai/php-ml、php-ml/php-ml 或加 --dev 强行拉 dev 分支。这些操作只会触发依赖冲突、Fatal error: Uncaught TypeError 或静默失败。

为什么 `composer require` 总是失败

截至 2026 年 6 月，php-ml/php-ml 已从 Packagist 彻底下线；php-ai/php-ml 仓库处于 GitHub Archived 状态，最后一次发布是 2021 年，不兼容 PHP 8.1+（你用的 PHP 8.5.5 就直接报 void 返回值缺失）。所有“安装成功”的教程截图，都来自 2020 年前的快照环境。

运行 composer require php-ml/php-ml → 报 Could not find package php-ml/php-ml
改用 composer require php-ai/php-ml → 安装看似完成，但 new KNearestNeighbors() 时抛 Fatal error: Uncaught Error: Call to undefined function gmp_init()（缺扩展）或 TypeError: ... must be of type float, null given（类型系统升级后崩）
设 "minimum-stability": "dev" 拉历史 commit → symfony/console ^4.4 与现代 Laravel/PHP 冲突，autoload 生成失败

`KNearestNeighbors` 构造就报错的真正原因

即使你绕过 Packagist 用 git clone 强行引入代码，KNearestNeighbors 类仍会因底层扩展缺失而崩溃。它硬依赖 mbstring、json、gmp、bcmath 四个扩展，缺一不可——不是可选，是构造函数里直接调用 gmp_init()。

Discussion Composer

围绕关键发现、作用机制、临床相关性及研究局限性展开讨论。适用于撰写或优化任何生物医学论文的“讨论（Discussion）”部分——包括结果解读、与既往文献关联、阐释意外发现、界定研究局限性，以及撰写结论。当用户输入以下任一指令时也会自动触发该功能： - “write my discussion” - “help me discuss my findings” - “how do I compare to prior studies” - “write the limitations par

下载

检查命令：php -m | grep -E "(mbstring|json|gmp|bcmath)"，漏一个就 Fatal error
gmp 在 Alpine Linux 上需额外装 apk add gmp-dev 并重编译 PHP，Docker 用户极易卡在这步
即使扩展齐了，PHP 8.2+ 的严格类型检查会让 array_sum() 返回 int|float 而非强制 float，导致距离计算中途 NaN

训练后 `$classifier->predict()` 返回空或乱码

这不是模型问题，是数据结构踩坑。PHP-ML 所有算法只认纯数字索引二维数组：[[1, 2], [3, 4]]。哪怕你只多写一个关联键：[['x'=>1, 'y'=>2]]，train() 不报错，predict() 却在内部 foreach ($sample as $i => $v) 时触发 Notice: Undefined index，最终返回 null 或空字符串。

安全转换：$samples = array_values(array_map('array_values', $samples));
加运行时断言：assert(is_array($samples) && count($samples) && is_numeric(key($samples[0])));
别信 CsvDataset：它对空格、BOM、标题行零容错，fgetcsv() + (float) 强转更可靠

替代方案：别硬扛，换路径

PHP 不是机器学习语言，强行本地跑模型既慢又不可靠。真实项目中，95% 的成功案例都采用「Python 训练 + PHP 调用」模式。

用 scikit-learn 训练模型，joblib.dump(model, 'model.pkl')
FastAPI 写接口：@app.post("/predict") 接 JSON 特征数组，return model.predict(X)
PHP 中用 file_get_contents("http://localhost:8000/predict", false, $context) 提交，不用装任何 ML 库
若必须纯 PHP 统计计算，composer require markrogoyski/math-php 支持矩阵运算、线性回归、标准差等，仍在维护，无兼容风险