介绍
机器学习无处不在——推荐电影、标记图像，现在甚至对新闻文章进行分类。想象一下如果您可以在 php 中做到这一点！借助 rubix ml，您可以以简单易懂的方式将机器学习的强大功能引入 php。本指南将引导您构建一个简单的新闻分类器，将文章分类为“体育”或“技术”等类别。最后，您将拥有一个工作分类器，可以根据新文章的内容预测其类别。
这个项目非常适合想要使用 php 进行机器学习的初学者，您可以按照 github 上的完整代码进行操作。
目录
什么是 rubix ml？设置项目创建新闻分类类训练模型预测新样本最后的想法
rubix 机器学习是什么？
rubix ml 是一个 php 机器学习库，它将 ml 工具和算法引入 php 友好的环境中。无论您从事分类、回归、聚类，甚至自然语言处理，rubix ml 都能满足您的需求。它允许您加载和预处理数据、训练模型并评估性能——所有这些都在 php 中进行。
rubix ml 支持广泛的机器学习任务，例如：
立即学习“PHP免费学习笔记（深入）”；
分类：对数据进行分类，例如将电子邮件标记为垃圾邮件或非垃圾邮件。回归：预测连续值，例如房价。聚类：对没有标签的数据进行分组，就像寻找客户群一样。自然语言处理 (nlp)：处理文本数据，例如标记并将其转换为 ml 可用的格式。
让我们深入了解如何使用 rubix ml 在 php 中构建简单的新闻分类器！
设置项目
我们将首先使用 rubix ml 设置一个新的 php 项目并配置自动加载。
第1步：初始化项目目录
创建一个新的项目目录并导航到其中：
mkdir newsclassifiercd newsclassifier
第 2 步：安装 rubix ml 和 composer
确保您已安装 composer，然后通过运行以下命令将 rubix ml 添加到您的项目中：
composer require rubix/ml
步骤3：在composer.json中配置自动加载
要从项目的 src 目录自动加载类，请打开或创建一个composer.json 文件并添加以下配置：
{ "autoload": { "psr-4": { "newsclassifier": "src/" } }, "require": { "rubix/ml": "^2.5" }}
这告诉 composer 自动加载 newsclassifier 命名空间下 src 文件夹中的任何类。
第 4 步：运行 composer autoload dump
添加自动加载配置后，运行以下命令重新生成 composer 的自动加载器：
composer dump-autoload
第5步：目录结构
您的项目目录应如下所示：
newsclassifier/├── src/│ ├── classification.php│ └── train.php├── storage/├── vendor/├── composer.json└── composer.lock
src/：包含您的 php 脚本。storage/：训练后的模型的保存位置。vendor/：包含 composer 安装的依赖项。
创建新闻分类类
在 src/ 中，创建一个名为 classification.php 的文件。该文件将包含训练模型和预测新闻类别的方法。
modelpath = $modelpath; } public function train() { // sample data and corresponding labels $samples = [ ['the team played an amazing game of soccer'], ['the new programming language has been released'], ['the match between the two teams was incredible'], ['the new tech gadget has been launched'], ]; $labels = [ 'sports', 'technology', 'sports', 'technology', ]; // create a labeled dataset $dataset = new labeled($samples, $labels); // set up the pipeline with a text transformer and k-nearest neighbors classifier $estimator = new pipeline([ new wordcountvectorizer(10000, 1, 1, new word()), new tfidftransformer(), ], new knearestneighbors(4)); // train the model $estimator->train($dataset); // save the model $this->savemodel($estimator); echo "training completed and model saved."; } private function savemodel($estimator) { $persister = new filesystem($this->modelpath); $model = new persistentmodel($estimator, $persister); $model->save(); } public function predict(array $samples) { // load the saved model $persister = new filesystem($this->modelpath); $model = persistentmodel::load($persister); // predict categories for new samples $dataset = new unlabeled($samples); return $model->predict($dataset); }}
此分类类包含以下方法：
训练：创建并训练基于管道的模型。保存模型：将训练好的模型保存到指定路径预测：加载保存的模型并预测新样本的类别。
训练模型
在 src/ 中创建一个名为 train.php 的脚本来训练模型。
train();
运行此脚本来训练模型：
php src/train.php
如果成功，您将看到：
training completed and model saved.
预测新样本
在 src/ 中创建另一个脚本，predict.php，根据训练的模型对新文章进行分类。
predict($samples);// display predictionsforeach ($predictions as $index => $prediction) { echo "sample: " . $samples[$index][0] . ""; echo "prediction: " . $prediction . "";}
运行预测脚本对样本进行分类：
php src/predict.php
输出应显示每个示例文本及其预测类别。
最后的想法
通过本指南，您已经使用 rubix ml 在 php 中成功构建了一个简单的新闻分类器！这展示了 php 如何比您想象的更加通用，为文本分类、推荐系统等任务引入机器学习功能。该项目的完整代码可在 github 上获取。
尝试不同的算法或数据来扩展分类器。谁知道 php 可以进行机器学习？现在你知道了。
快乐编码！
以上就是PHP 中的机器学习：使用 Rubix ML 构建新闻分类器的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1249497.html
微信扫一扫 
支付宝扫一扫 
