phpml基于PHP-ML库实现机器学习基于语言学习基于语言学习，根据语言编码实现学习 分类学习 require_once vendor/autoload.php;use Phpml\Classification\SVC; use Phpml\SupportVectorMachine\Kernel; /* 在模式识别领域中，最近邻居法（k-Nearest Neighbors algorithm，KNN算法，又译K-近邻算法）是一种用于分类和回归的非参数统计方法。
k-NN分类 输入：包含特征空间中的 k 个最接近的训练样本 输出：一个分类族群 k-NN回归 输入：包含特征空间中的 k 个最接近的训练样本 输出：该对象的属性值该值是其 k 个最近邻居的值的平均值。
*/ use Phpml\Classification\KNearestNeighbors; /* 基于应用贝叶斯定理(naive)强劲的独立假设之间的特性 */ use Phpml\Classification\NaiveBayes; /* 说一个班级里面有三个男生（男生1、男生2,男生3），三个女生（女生1、女生2,女生3），其中 男生1 身高：176cm 体重：70kg； 男生2 身高：180cm 体重：80kg； 男生2 身高：186cm 体重：86kg； 女生1 身高：161cm 体重：45kg； 女生2 身高：163cm 体重：47kg； 女生3 身高：165cm 体重：49kg； 如果我们将男生定义为1，女生定义为-1(这里定义数值无所谓，你可以定义男生8，女生6，只要是数值就行) */ /*将上面的数据放入$samples数组里 */ $samples = [[176, 70], [180, 80], [161, 45], [163, 47], [186, 86], [165, 49]]; /* 在labels中存入男女生类别标签（1、-1） */ $labels = [1, 1, -1, -1, 1, -1]; /* 我们现在采用libsvm来支持分类 下面我们采用线性分类 */ $classifier = new SVC(Kernel::LINEAR, $cost = 1000); /* 对其进行训练 */ $classifier->train($samples, $labels); /* 下面我们采用近邻算法来实现机器学习分类 */ $classifier = new KNearestNeighbors(); $classifier->train($samples, $labels); /* 下面我们采用贝叶斯来分类器实现机器学习分类 */ $classifier = new NaiveBayes(); $classifier->train($samples, $labels); /* 预测 */ echo $classifier->predict([190, 85]); // return 1 代表男生 print_r($classifier->predict([[152, 44], [176, 78]])); // return [-1, 1] 代表女生、男生 exit; 。
关联性规则学习require_once vendor/autoload.php; use Phpml\Association\Apriori; /* 一个电商网站 统计6位用户购买习惯 A用户喜欢购买 衣服，鞋子, 辣条 B用户喜欢购买 辣条, 面条, 席子 C用户喜欢购买 衣服,席子, 面条 D用户喜欢购买 衣服,面条,鞋子 E用户喜欢购买 衣服, 面条, 辣条 F用户喜欢购买 衣服, 鞋子, 辣条 */ /*将上面的数据放入$samples数组里 */ $samples = [[衣服, 鞋子, 辣条], [辣条, 面条, 席子], [衣服,席子, 面条], [衣服,面条,鞋子],[衣服, 面条, 辣条],[衣服, 鞋子, 辣条]]; $labels = []; /* 参数 support支持度 confidence 自信度 */ $associator = new Apriori($support = 0.5, $confidence = 0.5); /* 对其进行训练 */ $associator->train($samples, $labels); /* 假设又有一位G用户，他购买了衣服， 电商网站想要通过他购买的衣服给她推荐别的产品 以便他购买更多的商品 系统会根据以往用户的训练数据推断出G用户可能需要的商品 */ print_r($associator->predict([衣服])); //return Array ( [0] => Array ( [0] => 鞋子 ) [1] => Array ( [0] => 辣条 ) [2] => Array ( [0] => 面条 ) ) /* 总结：这种算法根据一些行为来推断下一个行为 */
项目地址github：https://github.com/qieangel2013/phpml 码云：https://gitee.com/qieangel2013/phpml 参考文献：K码农-http://kmanong.top/kmn/qxw/form/home?top_cate=28
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。