Rumah >pembangunan bahagian belakang >tutorial php >Panduan Pemula untuk Pembelajaran Mesin dalam PHP
Dengan perkembangan pesat Internet dan kecerdasan buatan, pembelajaran mesin telah menjadi salah satu topik hangat. Sebagai cabang penting dalam sains komputer dan kecerdasan buatan, pembelajaran mesin memberikan kita banyak kaedah dan alatan yang menarik untuk meneroka dan menganalisis data. Dalam bidang ini, terdapat banyak bahasa pengaturcaraan dan alat yang tersedia, antaranya PHP adalah salah satu bahasa pengaturcaraan yang paling popular. Dalam artikel ini, kami akan memperkenalkan anda kepada pembelajaran mesin dalam PHP dan menyediakan beberapa garis panduan untuk bermula.
Pembelajaran mesin ialah bidang aplikasi kecerdasan buatan yang membolehkan komputer mempelajari corak secara automatik dan meramalkan hasil daripada data. Pembelajaran mesin bertujuan untuk menemui maklumat yang berguna dalam data dan menggunakannya untuk membuat keputusan yang baik. Antaranya, pembelajaran diselia, pembelajaran tanpa penyeliaan dan pembelajaran pengukuhan adalah tiga jenis utama pembelajaran mesin.
Dalam PHP, terdapat beberapa perpustakaan pembelajaran mesin tersedia, yang paling popular ialah perpustakaan PHP-ML. PHP-ML ialah perpustakaan pembelajaran mesin berasaskan PHP yang menyediakan banyak algoritma pembelajaran mesin yang biasa digunakan, seperti pengelasan, pengelompokan, regresi dan pengurangan dimensi. Selain itu, API PHP-ML mudah digunakan dan kodnya mudah difahami.
Langkah pertama dalam menggunakan pembelajaran mesin dalam PHP ialah memilih perpustakaan pembelajaran mesin yang sesuai. Jika anda memilih PHP-ML, maka anda perlu memasangnya dalam sistem anda. Anda boleh memasang PHP-ML menggunakan arahan berikut daripada baris arahan:
composer require php-ai/php-ml
Setelah pemasangan selesai, anda boleh memperkenalkan perpustakaan PHP-ML dalam kod PHP anda:
require __DIR__ . '/vendor/autoload.php'; use PhpmlClassificationKNearestNeighbors; 用phpml库下ClassificationKNearestNeighbors, 加载到PHP脚本中
Sekarang, mari lihat bagaimana untuk melatih model mudah menggunakan perpustakaan PHP-ML. Dalam contoh ini, kami akan menggunakan algoritma jiran terdekat K untuk mengklasifikasikan dataset Iris.
Set Data IES Dataset
Pertama, kita perlu memuatkan set data. Dalam contoh ini, kami menggunakan set data Iris daripada pustaka PHP-ML. Untuk memuatkan set data anda boleh menggunakan kod berikut:
use PhpmlDatasetsIris; $dataset = new Iris();
Seterusnya, kita perlu praproses data. Dalam contoh ini, kami akan menormalkan data. Untuk melakukan normalisasi, anda boleh menggunakan kod berikut:
use PhpmlPreprocessingStandardScaler; $scaler = new StandardScaler(); $scaler->fit($samples); $scaler->transform($samples);
Kemudian kita perlu membahagikan set data kepada data latihan dan ujian. Dalam contoh ini, kami menggunakan 80% daripada set data untuk latihan dan 20% untuk ujian. Untuk melakukan ini, anda boleh menggunakan kod berikut:
use PhpmlCrossValidationStratifiedRandomSplit; $split = new StratifiedRandomSplit($dataset->getSamples(), $dataset->getTargets(), 0.8);
Seterusnya, kita perlu membuat instantiate pengelas jiran terdekat K dan melatihnya menggunakan data latihan. Untuk melakukan ini, anda boleh menggunakan kod berikut:
$classifier = new KNearestNeighbors($k = 3); $classifier->train($split->getTrainSamples(), $split->getTrainLabels());
Akhir sekali, kami boleh menggunakan data ujian untuk menguji prestasi model. Untuk melakukan ini, anda boleh menggunakan kod berikut:
$predicted = $classifier->predict($split->getTestSamples());
Pembelajaran mesin ialah satu bidang yang menarik dan praktikal yang boleh memberikan kita banyak alat dan teknologi yang berguna untuk diterokai dan menganalisis data. Dalam PHP, menggunakan perpustakaan pembelajaran mesin seperti PHP-ML boleh membantu kami melatih dan menguji model pembelajaran mesin dengan mudah. Jika anda ingin mula menggunakan pembelajaran mesin dalam PHP, menggunakan PHP-ML ialah cara terbaik untuk bermula.
Atas ialah kandungan terperinci Panduan Pemula untuk Pembelajaran Mesin dalam PHP. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!