یادگیری ماشین یکی از جذابترین مباحث در زیرشاخههای هوش مصنوعی است که افراد زیادی برای یادگیری آن به پایتون روی میآورند. لایبرری PHP-ML، کتابخانهای برای کار در حوزه یادگیری ماشین با استفاده از زبان پیاچپی است. شاید این لایبرری به اندازه لایبرریهای پایتون مانند Tensorflow و Keras و Numpy قدرتمند نباشد ولی قطعا برای برنامهنویسهای پیاچپی تجربه خوشایندی در حوزه یادگیری ماشین را به ارمغان خواهد آورد.
مثال:
require_once __DIR__ . '/vendor/autoload.php';
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]);
خروجی کد بالا، b خواهد بود. در واقع در مثال بالا، ابتدا یک آرایه حاوی دیتاستهایی تعریف شده و توسط آرایه دیگری، به هر دیتاست یک لیبل اختصاص داده شده است. سپس با متد train کلاس KNearestNeighbors، نمونهها و لیبلها به سیستم آموزش داده شده است. در نهایت با استفاده از متد predict از سیستم خواسته شده که حدس بزند که دیتاست مورد نظر چه لیبلی میتواند داشته باشد.
با کمی فکر کردن میتوان الگوی حدس زدن سیستم را فهمید، سیستم بدین صورت تشخصی داده که اگر در هر دیتاست عدد اول بزرگتر بود به آن لیبل a و اگر عدد دوم بزرگتر بود، لیبل b بزند.
همچنین ترجمه داکیومنت PHP-ML را در بخش داکیومنتها میتوانید مطالعه کنید، در مقدمه این داکیومنت اصطلاحاتی از قبیل الگوریتمها، کراس ولیدیشن، شبکه عصبی، پیشپردازش دادهها، استخراج ویژگیها و دادهکاوی را نیز به صورت خلاصه توضیح دادهایم.
مجتبی پاکزاد
حل مساله و چالش رو خیلی دوست دارم و رابطه خیلی خوبی با ریاضیات، برنامهنویسی و اقتصاد دارم. علاقه زیادی به هوشمصنوعی، یادگیری ماشین و موضوعات مرتبط دارم.
دیدگاهها
ثبت دیدگاه