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 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：
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！
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。
创建一个新的项目目录并导航到其中：
mkdir NewsClassifier cd NewsClassifier
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
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。
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：
mkdir NewsClassifier cd NewsClassifier
您的项目目录应如下所示：
composer require rubix/ml
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。
{
"autoload": {
"psr-4": {
"NewsClassifier\": "src/"
}
},
"require": {
"rubix/ml": "^2.5"
}
}
此分类类包含以下方法：
在 src/ 中创建一个名为 train.php 的脚本来训练模型。
composer dump-autoload
运行此脚本来训练模型：
NewsClassifier/ ├── src/ │ ├── Classification.php │ └── train.php ├── storage/ ├── vendor/ ├── composer.json └── composer.lock
如果成功，您将看到：
<?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/ 中创建另一个脚本，predict.php，根据训练的模型对新文章进行分类。
<?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();
运行预测脚本对样本进行分类：
php src/train.php
输出应显示每个示例文本及其预测类别。
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。更多信息请关注PHP中文网其他相关文章！
