PHP 中的机器学习：使用 Rubix ML 构建新闻分类器

百变鹏仔 2天前 #PHP

文章标签机器

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。

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）”；

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

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。

<?phpnamespace newsclassifier;use rubixmlclassifiersknearestneighbors;use rubixmldatasetslabeled;use rubixmldatasetsunlabeled;use rubixmlpersistentmodel;use rubixmlpipeline;use rubixml	okenizersword;use rubixml	ransformers	fidftransformer;use rubixml	ransformerswordcountvectorizer;use rubixmlpersistersilesystem;class classification{    private $modelpath;    public function __construct($modelpath)    {        $this->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：

训练模型

在 src/ 中创建一个名为 train.php 的脚本来训练模型。

<?phprequire __dir__ . '/../vendor/autoload.php';use newsclassifierclassification;// define the model path$modelpath = __dir__ . '/../storage/model.rbx';// initialize the classification object$classifier = new classification($modelpath);// train the model and save it$classifier->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。

<?phprequire __dir__ . '/../vendor/autoload.php';use newsclassifierclassification;// define the path to the saved model$modelpath = __dir__ . '/../storage/model.rbx';// initialize the classification object$classifier = new classification($modelpath);// define new samples for classification$samples = [    ['the team played an amazing game of soccer, showing excellent teamwork and strategy.'],    ['the latest programming language release introduces features that enhance coding efficiency.'],    ['an incredible match between two top teams ended in a thrilling draw last night.'],    ['this new tech gadget includes features never before seen, setting a new standard in the industry.'],];// predict categories$predictions = $classifier->predict($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！

文章推荐