導(dǎo)入

機械學(xué)習(xí)はあらゆるところに使われており、映畫の推奨、畫像のタグ付け、そして今ではニュース記事の分類にも使用されています。 PHP 內(nèi)でそれができるかどうか想像してみてください。 Rubix ML を使用すると、簡単でアクセスしやすい方法で機械學(xué)習(xí)のパワーを PHP に導(dǎo)入できます。このガイドでは、記事を「スポーツ」や「テクノロジー」などのカテゴリに分類する簡単なニュース分類子を構(gòu)築する手順を説明します。最終的には、新しい記事の內(nèi)容に基づいてカテゴリを予測できる実用的な分類器が完成します。

このプロジェクトは、PHP を使用した機械學(xué)習(xí)に少し足を踏み入れたい初心者に最適で、GitHub で完全なコードに従うことができます。

目次

1. Rubix ML とは何ですか?
2. プロジェクトのセットアップ
3. ニュース分類クラスの作成
4. モデルのトレーニング
5. 新しいサンプルの予測
6. 最終的な感想

Rubix MLとは何ですか?

Rubix ML は、ML ツールとアルゴリズムを PHP に適した環(huán)境に組み込む、PHP 用の機械學(xué)習(xí)ライブラリです。分類、回帰、クラスタリング、さらには自然言語処理に取り組んでいる場合でも、Rubix ML が対応します。これにより、データのロードと前処理、モデルのトレーニング、パフォーマンスの評価をすべて PHP で行うことができます。

Rubix ML は、次のような幅広い機械學(xué)習(xí)タスクをサポートします。

• 分類: 電子メールをスパムまたはスパムではないというラベル付けなど、データを分類します。
• 回帰: 住宅価格などの連続値を予測します。
• クラスタリング: 顧客セグメントの検索など、ラベルを付けずにデータをグループ化します。
• 自然言語処理 (NLP): テキスト データのトークン化や ML で使用可能な形式への変換などの作業(yè)。

Rubix ML を使用して、PHP で単純なニュース分類子を構(gòu)築する方法を詳しく見てみましょう!

プロジェクトのセットアップ

まず、Rubix ML を使用して新しい PHP プロジェクトをセットアップし、自動読み込みを構(gòu)成します。

ステップ 1: プロジェクト ディレクトリを初期化する

新しいプロジェクト ディレクトリを作成し、そこに移動します:

mkdir NewsClassifier
cd NewsClassifier

ステップ 2: Composer を使用して Rubix ML をインストールする

Composer がインストールされていることを確認し、次のコマンドを?qū)g行して Rubix ML をプロジェクトに追加します。

composer require rubix/ml

ステップ 3:composer.json で自動ロードを構(gòu)成する

プロジェクトの src ディレクトリからクラスを自動ロードするには、composer.json ファイルを開くか作成し、次の構(gòu)成を追加します。

{
    "autoload": {
        "psr-4": {
            "NewsClassifier\": "src/"
        }
    },
    "require": {
        "rubix/ml": "^2.5"
    }
}

これは、NewsClassifier 名前空間の下の src フォルダー內(nèi)のクラスを自動ロードするように Composer に指示します。

ステップ 4: Composer 自動ロード ダンプを?qū)g行する

オートロード構(gòu)成を追加した後、次のコマンドを?qū)g行して Composer のオートローダーを再生成します。

mkdir NewsClassifier
cd NewsClassifier

ステップ 5: ディレクトリ構(gòu)造

プロジェクト ディレクトリは次のようになります:

composer require rubix/ml

• src/: PHP スクリプトが含まれます。
• storage/: トレーニングされたモデルが保存される場所。
• vendor/: Composer によってインストールされた依存関係が含まれます。

ニュース分類クラスの作成

src/ で、Classification.php というファイルを作成します。このファイルには、モデルをトレーニングし、ニュース カテゴリを予測するためのメソッドが含まれます。

{
    "autoload": {
        "psr-4": {
            "NewsClassifier\": "src/"
        }
    },
    "require": {
        "rubix/ml": "^2.5"
    }
}

この分類クラスには次のメソッドが含まれています:

• トレーニング: パイプラインベースのモデルを作成してトレーニングします。
• モデルを保存: トレーニングされたモデルを指定されたパスに保存します。
• 予測: 保存されたモデルをロードし、新しいサンプルのカテゴリを予測します。

モデルのトレーニング

モデルをトレーニングするために、src/ に train.php というスクリプトを作成します。

composer dump-autoload

次のスクリプトを?qū)g行してモデルをトレーニングします:

NewsClassifier/
├── src/
│   ├── Classification.php
│   └── train.php
├── storage/
├── vendor/
├── composer.json
└── composer.lock

成功すると、以下が表示されます:

<?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);
    }
}

新しいサンプルの予測

トレーニングされたモデルに基づいて新しい記事を分類するために、src/ に別のスクリプト、predict.php を作成します。

<?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();

予測スクリプトを?qū)g行してサンプルを分類します:

php src/train.php

出力には、各サンプル テキストとその予測されたカテゴリが表示されます。

最終的な考え

このガイドでは、Rubix ML を使用して PHP で単純なニュース分類器を構(gòu)築することに成功しました。これは、PHP が想像以上に多用途であり、テキスト分類や推奨システムなどのタスクに機械學(xué)習(xí)機能を組み込むことができることを示しています。このプロジェクトの完全なコードは GitHub で入手できます。

さまざまなアルゴリズムやデータを試して、分類器を拡張します。 PHP で機械學(xué)習(xí)ができるなんて誰が知っていたでしょうか?さあ、そうしましょう。
コーディングを楽しんでください!

以上がPHP での機械學(xué)習(xí): Rubix ML を使用してニュース分類器を構(gòu)築するの詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。