php-ml是一個使用PHP編寫的機器學習庫。雖然我們知道，python或者是C++提供了更多機器學習的庫，但實際上，他們大多都略顯復雜，配置起來讓很多新手感到絕望。
php-ml這個機器學習庫雖然沒有特別高大上的算法，但其具有最基本的機器學習、分類等算法，我們的小公司做一些簡單的數據分析、預測等等都是夠用的。我們的項目中，追求的應該是性價比，而不是過分的效率和精度。一些算法和庫看上去非常厲害，但如果我們考慮快速上線，而我們的技術人員沒有機器學習方面的經驗，那么復雜的代碼和配置反而會拖累我們的項目。而如果我們本身就是做一個簡單的機器學習應用，那么研究復雜庫和算法的學習成本很顯然高了點，而且，項目出了奇奇怪怪的問題，我們能解決嗎？需求改變了怎么辦？相信大家都有過這種經歷：做著做著，程序忽然報錯，自己怎么都搞不清楚原因，上谷歌或百度一搜，只搜出一條滿足條件的問題，在五年、十年前提問，然后零回復。。。
所以，選擇最簡單最高效、性價比最高的做法是必須的。php-ml的速度不算慢（趕緊換php7吧），而且精度也不錯，畢竟算法都一樣，而且php是基于c的。博主最看不慣的就是，拿python和Java，PHP之間比性能，比適用范圍。真要性能，請你拿C開發。真要追求適用范圍，也請用C，甚至匯編。。。
首先，我們要使用這個庫，需要先下載這個庫。在github可以下載到這個庫文件（https://github.com/php-ai/php-ml）。當然，更推薦使用composer來下載該庫，自動配置。
當下載好了以后，我們可以看一看這個庫的文檔，文檔都是一些簡單的小示例，我們可以自己建一個文件嘗試一下。都淺顯易懂。接下來，我們來拿實際的數據測試一下。數據集一個是Iris花蕊的數據集，另一個由于記錄丟失，所以不知道是有關什么的數據了。。。
Iris花蕊部分數據，有三種不同的分類：
不知名數據集，小數點被打成了逗號，所以計算時還需要處理一下：
我們先處理不知名數據集。首先，我們的不知名數據集的文件名為data.txt。而這個數據集剛好可以先繪制成x-y折線圖。所以，我們先將原數據繪制成一個折線圖。由于x軸比較長，所以我們只需要看清楚它大致的形狀即可：
繪制采用了php的jpgraph庫，代碼如下：
<?php
include_once './src/jpgraph.php';
include_once './src/jpgraph_line.php';
$g = new Graph(1920,1080);//jpgraph的繪制操作
$g->SetScale("textint");
$g->title->Set('data');
//文件的處理
$file = fopen('data.txt','r');
$labels = array();
while(!feof($file)){
$data = explode(' ',fgets($file));
$data[1] = str_replace(',','.',$data[1]);//數據處理，將數據中的逗號修正為小數點
$labels[(int)$data[0]] = (float)$data[1];//這里將數據以鍵值的方式存入數組，方便我們根據鍵來排序
}
ksort($labels);//按鍵的大小排序
$x = array();//x軸的表示數據
$y = array();//y軸的表示數據
foreach($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();
在有了這個原圖做對比，我們接下來進行學習。我們采用php-ml中的LeastSquars來進行學習。我們測試的輸出需要存入文件，方便我們可以畫一個對比圖。學習代碼如下：
<?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);
//這個a數組是根據我們對原數據處理后的x值給出的，做測試用。
$a = [0,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,20,22,23,24,25,26,27,29,30,31,37,40,41,45,48,53,55,57,60,61,108,124];
for($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，我們將存入文件的數據讀出來，繪制一個圖形，先貼最后的效果圖：
