機器學習無所不在－推薦影片、標記影像，現在甚至將新聞文章分類。想像一下如果您可以在 PHP 中做到這一點！透過 Rubix ML，您可以以簡單易懂的方式將機器學習的強大功能引入 PHP。本指南將引導您建立一個簡單的新聞分類器，將文章分類為「體育」或「技術」等類別。最後，您將擁有一個工作分類器，可以根據新文章的內容預測其類別。
這個專案非常適合想要使用 PHP 進行機器學習的初學者，您可以按照 GitHub 上的完整程式碼進行操作。
Rubix ML 是一個 PHP 機器學習函式庫，它將 ML 工具和演算法引入 PHP 友善的環境中。無論您從事分類、迴歸、聚類，甚至自然語言處理，Rubix ML 都能滿足您的需求。它允許您加載和預處理資料、訓練模型並評估效能——所有這些都在 PHP 中進行。
Rubix ML 支援廣泛的機器學習任務，例如：
讓我們深入了解如何使用 Rubix ML 在 PHP 中建立簡單的新聞分類器！
我們將首先使用 Rubix ML 設定一個新的 PHP 專案並配置自動載入。
建立一個新的專案目錄並導航到其中：
mkdir NewsClassifier cd NewsClassifier
確保您已安裝 Composer，然後透過執行以下命令將 Rubix ML 新增至您的專案：
composer require rubix/ml
要從專案的 src 目錄自動載入類，請開啟或建立composer.json 檔案並新增以下配置：
{
"autoload": {
"psr-4": {
"NewsClassifier\": "src/"
}
},
"require": {
"rubix/ml": "^2.5"
}
}
這告訴 Composer 自動載入 NewsClassifier 命名空間下 src 資料夾中的任何類別。
新增自動載入設定後，執行下列指令重新產生 Composer 的自動載入器：
mkdir NewsClassifier cd NewsClassifier
您的專案目錄應如下所示：
composer require rubix/ml
在 src/ 中，建立一個名為 Classification.php 的檔案。該文件將包含訓練模型和預測新聞類別的方法。
{
"autoload": {
"psr-4": {
"NewsClassifier\": "src/"
}
},
"require": {
"rubix/ml": "^2.5"
}
}
此分類類別包含以下方法：
在 src/ 中建立一個名為 train.php 的腳本來訓練模型。
composer dump-autoload
執行此腳本來訓練模型：
NewsClassifier/ ├── src/ │ ├── Classification.php │ └── train.php ├── storage/ ├── vendor/ ├── composer.json └── composer.lock
如果成功，您將看到：
<?php
namespace NewsClassifier;
use Rubix\ML\Classifiers\KNearestNeighbors;
use Rubix\ML\Datasets\Labeled;
use Rubix\ML\Datasets\Unlabeled;
use Rubix\ML\PersistentModel;
use Rubix\ML\Pipeline;
use Rubix\ML\Tokenizers\Word;
use Rubix\ML\Transformers\TfIdfTransformer;
use Rubix\ML\Transformers\WordCountVectorizer;
use Rubix\ML\Persisters\Filesystem;
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.\n";
}
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);
}
}
在 src/ 中建立另一個腳本，predict.php，根據訓練的模型對新文章進行分類。
<?php require __DIR__ . '/../vendor/autoload.php'; use NewsClassifier\Classification; // 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();
運行預測腳本對樣本進行分類：
php src/train.php
輸出應顯示每個範例文字及其預測類別。
透過本指南，您已經使用 Rubix ML 在 PHP 中成功建立了一個簡單的新聞分類器！這展示了 PHP 如何比您想像的更通用，為文字分類、推薦系統等任務引入機器學習功能。此專案的完整程式碼可在 GitHub 上取得。
嘗試不同的演算法或資料來擴展分類器。誰知道 PHP 可以進行機器學習？現在你知道了。
快樂編碼！
以上是PHP 中的機器學習：使用 Rubix ML 建立新聞分類器的詳細內容。更多資訊請關注PHP中文網其他相關文章！
