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：