零基础教程--教你使用php-ml机器学习预测泰坦尼克号生还率案例

关于php-ml与php

随着人工智能的发展，越来越多的新技术涌现出来，无论是深度学习还是传统机器学习的出现，让整个技术可以实现更多的可能

---

本文作为启蒙科普文章，简单介绍机器学习基本技法，如果你是一个phper，看了这篇文章，对机器学习产生了极大的兴趣，那么文章最后面会给出指引学习路线，帮助更多的人去入门，去学习解决生活中更多的问题

学习目标

使用php-ml库的随机森林算法训练一个基本分类模型，预测泰坦尼克号上面

乘客的生存率

然后在kaggle（模型比拼网站）提交你的训练模型结果

wow！这很酷！一共8000人参与了这次算法比赛，我使用php库训练的算法拿

到了2784名！你不准备动手试试？

php-ml库简介

这个库我最早是在2017年初看到的，当时在github上star只有寥寥几百颗

经过半年的迭代更新，这个库拥有了更多的star，但是我发现中文教程却是极

少，几乎没有什么中国文档（可能是中国phper都忙着赚钱了，手动滑稽）

php作为我的入门语言，我是非常感谢他的简单，实用主义，为我的人生带来

了很多不一样的精彩，虽然他使用场景比较单一，虽然我后来学习了更多

更有意思的语言，但是我依然忘不了那个夏天，用php在屏幕上打出hello world

那个时候激动的感觉，所以我这次选择了php来进行现在流行的机器学习，我

个人比较看好php未来的发展，swoole的诞生，让php拥有了新的不一样的

思路，再加上这次的php-ml，这更酷了！

我在文章最后简单的翻译一下文档列表，有兴趣的初学同学可以根据我翻译的中文

搜索更多的相关的内容，我收集了官方文档。翻译如果不准确，请指出修正

感谢！

数据准备与工具

数据data下载链接

php>=7.0

php-ml库

数据分析

在github上的数据包里面，我们可以看到有几个不同的csv文件

其中for_php_train.csv/for_php_test.csv是我已经处理好的数据

建议大家直接使用，在这篇科普启蒙文章里，我就不多说关于数据分析的内

容了，那些知识比较琐碎繁杂，我们这次着重关注机器学习

安装

composer require php-ai/php-ml

代码编写

• 引入php-ml

require_once 'vendor/autoload.php';

• 使用库中的两个类

use Phpml\Dataset\CsvDataset;
use Phpml\Classification\Ensemble\RandomForest;

• 引入数据

$dataset = new CsvDataset('./data/for_php_train.csv',5,true);
$testset = new CsvDataset('./data/for_php_test.csv',5,true);

• 分析数据列(可选)

$dataset->getColumns()

• 提取数据中的特征与训练目标值

$sample = $dataset->getSamples();
$label = $dataset->getTargets();

• 训练模型(随机森林算法)

$RandomForest = new RandomForest();
$RandomForest->train($sample,$label);

• 使用测试数据预测结果

$result = $RandomForest->predict($testset->getSamples());

• 组装结果，导出csv文件

$csv=[];
$csv[0]['PassengerId']='PassengerId';
$csv[0]['Survived']='Survived';
foreach ($result as $k=>$value){
    $csv[$k+1]['PassengerId']=$k+892;
    $csv[$k+1]['Survived']=$value;
}
var_dump($csv);
$file = fopen('write.csv','a+b');
$data = $csv;
foreach ($data as $value){
    fputcsv($file,$value);
}
fclose( $file);

查看结果并提交

wow！我们做到了，我们训练了第一个模型，并得到了结果！

让我们把他提交上去kaggle并获得你自己的分数吧！

总结

经过这次最最最基础的教程，恭喜你！你已经从机器学习的婴儿，迈出了婴

儿的第一步，接下来就是我们知识的补充与学习，如果你想在机器学习上

有所斩获的话，你还需要更多的知识来填充你的思路与想法！

下面是我写的另一篇文章，里面有关于机器学习的路线，come on！

学习路线文章

翻译php-ml列表目录

• Association rule learning 关联规则算法
  
  • Apriori–这是十大经典挖掘算法之一
• Classification 分类算法
  
  • SVC–SVM的分类形式
  • k-Nearest Neighbors–knn算法，机器学习上，地位等同于于web经典的hello world
  • Naive Bayes–朴素贝叶斯算法，P(A/B)=P(B/A)*P(A)/P(B),由贝叶斯公式变形的一种算法
  • Decision Tree (CART)–决策树算法
  • Ensemble Algorithms–集成算法
    
    • Bagging (Bootstrap Aggregating)–自助法
    • Random Forest–随机森林算法，后现代SVM
    • AdaBoost–自适应迭代上升算法
  • Linear–线性分类器
    
    • Adaline–学习机
    • Decision Stump–决策桩
    • Perceptron–感知器
    • LogisticRegression–逻辑回归，初学者必备算法
• Regression–回归算法
  
  • Least Squares–最小平方法
  • SVR–SVM的回归形式
• Clustering–聚类算法
  
  • k-Means–经典聚类算法，常问：与knn区别？
  • DBSCAN–基于密度聚类算法
  • Fuzzy C-Means–模糊聚类算法，很有意思的算法
• Metric–度量方式（校验模型是否收敛较好的方法）
  
  • Accuracy–准确率，关联信息，F1得分与召回率和查准率
  • Confusion Matrix–混淆矩阵
  • Classification Report–分类报告
• Workflow–工作流
  
  • Pipeline–管道
• Neural Network–神经网络，近几年非常强大算法之一
  
  • Multilayer Perceptron Classifier–多层感知器
• Cross Validation–交叉验证，必学的train／test／cv
  
  • Random Split–随机分割
  • Stratified Random Split–分层随机分割
• Preprocessing–数据预处理（数据清洗）
  
  • Normalization–标准化
  • Imputation missing values–补充缺失值，很好用
• Feature Extraction–特征提取
  
  • Token Count Vectorizer–文本处理方式之一
  • Tf-idf Transformer–文本方式处理方式之一，目的上解决减少频繁单词权重，增加冷门有决定因素单词权重
• Dimensionality Reduction–降低维度
  
  • PCA (Principal Component Analysis)–降低维度高效方法
  • Kernel PCA–套核的PCA
  • LDA (Linear Discriminant Analysis)
• Datasets–数据结构
  
  • Array
  • CSV
  • Files
  • Ready to use:–官方准备的测试数据
    
    • Iris
    • Wine
    • Glass
• Models management–模型惯例方法
  
  • Persistency–持久性
• Math–数学结构与类型
  
  • Distance
  • Matrix
  • Set
  • Statistic
  • Linear Algebra