Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-03-10

1 Теги: php, машинное обучение, нейросети, библиотека, ml, php-ml

2 Принято считать, что для нейронных сетей, искусственного интеллекта и машинного обучения следует использовать специальные языки, такие как R либо универсальный Python. Однако существуют библиотеки для работы с искусственным интеллектом и на PHP.

3 Одна из таких полноценных библиотек -<a>PHP-ML</a>. Этот проект разработан командой PHP-AI и представляет собой довольно известную библиотеку, которая появилась в 2017 году и сразу стала довольно популярной. При этом сами разработчики утверждают, что их детище стало "свежим подходом к Machine Learning на PHP".

4 Библиотека поддерживает версию интерпретатора не менее 7.0 и добавляется к проекту через Composer:

5 composer require php-ai/php-mlСредивозможностей PHP-ML: • работа с ML-алгоритмами; • перекрестная валидация; • нейросети; • препроцессинг; • извлечение данных и много чего ещё.

6 <h2>Приведём примеры</h2>

7 Давайте рассмотрим PHP-ML на простейшем примереработы с классификацией:

8 use Phpml\Classification\KNearestNeighbors; $samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]]; $labels = ['a', 'a', 'a', 'b', 'b', 'b']; $classifier = new KNearestNeighbors(); $classifier->train($samples, $labels); $classifier->predict([3, 2]); // возвращается 'b'В следующем примере мы определяемязык, на котором написан текст:

9 <?php declare(strict_types=1); namespace PhpmlExamples; include 'vendor/autoload.php'; use Phpml\Dataset\CsvDataset; use Phpml\Dataset\ArrayDataset; use Phpml\FeatureExtraction\TokenCountVectorizer; use Phpml\Tokenization\WordTokenizer; use Phpml\CrossValidation\StratifiedRandomSplit; use Phpml\FeatureExtraction\TfIdfTransformer; use Phpml\Metric\Accuracy; use Phpml\Classification\SVC; use Phpml\SupportVectorMachine\Kernel; $dataset = new CsvDataset('data/languages.csv', 1); $vectorizer = new TokenCountVectorizer(new WordTokenizer()); $tfIdfTransformer = new TfIdfTransformer(); $samples = []; foreach ($dataset->getSamples() as $sample) { $samples[] = $sample[0]; } $vectorizer->fit($samples); $vectorizer->transform($samples); $tfIdfTransformer->fit($samples); $tfIdfTransformer->transform($samples); $dataset = new ArrayDataset($samples, $dataset->getTargets()); $randomSplit = new StratifiedRandomSplit($dataset, 0.1); $classifier = new SVC(Kernel::RBF, 10000); $classifier->train($randomSplit->getTrainSamples(), $randomSplit->getTrainLabels()); $predictedLabels = $classifier->predict($randomSplit->getTestSamples()); echo 'Accuracy: '.Accuracy::score($randomSplit->getTestLabels(), $predictedLabels);А вот как выполняетсяпредсказание качества вина:

10 <?php declare(strict_types=1); namespace PhpmlExamples; include 'vendor/autoload.php'; use Phpml\CrossValidation\StratifiedRandomSplit; use Phpml\Dataset\Demo\WineDataset; use Phpml\Metric\Accuracy; use Phpml\Regression\SVR; use Phpml\SupportVectorMachine\Kernel; $dataset = new WineDataset(); $split = new StratifiedRandomSplit($dataset); $regression = new SVR(Kernel::RBF, 3, 0.1, 10); $regression->train($split->getTrainSamples(), $split->getTrainLabels()); $predicted = $regression->predict($split->getTestSamples()); // predicted target are regression result so to test accuracy we must round them foreach ($predicted as &$target) { $target = round($target, 0); } echo 'Accuracy: '.Accuracy::score($split->getTestLabels(), $predicted);Более подробную информацию вы можете найти на<a>GitHub</a>или<a>здесь</a>(документация на русском).

11 Естественно, библиотека PHP-ML не сделает за вас всё и не избавит от необходимости изучать теоретические данные по нейросетям и машинному обучению. Но если вы php-разработчик и интересуетесь ML-направлением, она может вам пригодиться.