PHP-ML (php机器学习库)详细学习 ( 二 )

PHP-ml 是 php 的机器学习库。同时包含算法，交叉验证，神经网络，预处理，特征提取等。

继续学习PHP-ml 机器学习，上篇只是学习了 首页推荐的例子KNearestNeighbors分类器，这篇学习别的。

手册地址：http://php-ml.readthedocs.io/en/latest/

Apriori Associator ：基于Apriori算法的频繁项集挖掘的关联规则学习。

预测样本标签使用predict方法。您可以提供一个样品或样品阵列：

根据数据列车样本，和提供的一个样本，算出含有提供的样本的所有数据（以数组形式返回）

$samples = [['alpha', 'beta', 'epsilon'], ['alpha', 'beta', 'theta'], ['alpha', 'beta', 'epsilon'], ['alpha', 'beta', 'theta']];
$labels  = [];

use Phpml\Association\Apriori;

$associator = new Apriori($support = 0.5, $confidence = 0.5);
$associator->train($samples, $labels);

$res = $associator->predict(['alpha','theta']);
$res2 = $associator->predict(['alpha']);

$res 返回

$res2 返回

获取生成的关联规则只需使用rules方法。

$associator->getRules();

生成k长度的频繁项集只需使用 apriori 方法即可。

$associator->apriori();

接下来学习：

LeastSquares Linear Regression（最小二乘线性回归）

use Phpml\Regression\LeastSquares;
$samples = [[15], [16], [17], [19], [20]];
$targets = [2.1, 2.4, 2.8, 3.5, 4.1];
$regression = new LeastSquares();
$regression->train($samples, $targets);
$res = $regression->predict([18]);  //返回 3.21

用手册上的例子：里程和生产年份来预测汽车的价格：

$samples = [[73676, 1996], [77006, 1998], [10565, 2000], [146088, 1995], [15000, 2001], [65940, 2000], [9300, 2000], [93739, 1996], [153260, 1994], [17764, 2002], [57000, 1998], [15000, 2000]];
$targets = [2000, 2750, 15500, 960, 4400, 8800, 7100, 2550, 1025, 5900, 4600, 4400];
$regression = new LeastSquares();
$regression->train($samples, $targets);
$regression->predict([60000, 1996]);

计算出 1996 年，60000里程的车，预测价格 是  4094.82