Download to read offline
![なにはともあれREADME を読んでみる
やけに簡単そうに見えませんか
require_once 'vendor/autoload.php';
use PhpmlClassificationKNearestNeighbors;
$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);
echo $classifier->predict([3, 2]);
// return 'b'](https://image.slidesharecdn.com/feelfreetotrymachinelearningwithphp-mlphpconfuk-170610131356/85/PHP-ML-10-320.jpg)
![k 近傍法
教師あり学習
分類問題を解くときに使用されるアルゴリズムのひとつ
先程の例でやっていること
[1, 3] , [1, 4] , [2, 4] に a というラベル、
[3, 1] , [4, 1] , [4, 2] に b というラベルをつけておき
[3, 2] というデータがあった場合、
どちらのラベルがつきますか？というのを分類する
→この場合、 b が返ってくる](https://image.slidesharecdn.com/feelfreetotrymachinelearningwithphp-mlphpconfuk-170610131356/85/PHP-ML-11-320.jpg)
![デモを使ってみる
$classifier = new PhpmlClassificationNaiveBayes();
$iris_dataset = new PhpmlDatasetDemoIrisDataset();
$classifier->train(
$iris_dataset->getSamples(),
$iris_dataset->getTargets()
);
// 試しに適当な sepal, petal を入れて predict させてみる
echo $classifier->predict([1.0, 2.0, 2.1, 2.5]);
// virginica](https://image.slidesharecdn.com/feelfreetotrymachinelearningwithphp-mlphpconfuk-170610131356/85/PHP-ML-15-320.jpg)
Uploaded byRyo Shibayama
PHP-MLを使用して気軽に機械学習にトライしてみる
PHPカンファレンス福岡2017の15分枠でお話した内容です。 Feel free to try machine learning with php-ai/php-ml
PHP-MLを使用して気軽に機械学習にトライしてみる
- 1. PHP‑ML を使用して 手軽に機械学習にトライしてみる @serima /柴山嶺 PHP カンファレンス福岡2017
- 2.
- 3. 気を取り直して、自己紹介 サーバサイドエンジニア Twitter / GitHub: @serima ウェブサービスを開発しています ひたすらPHP と戯れる日々を過ごしてきました かれこれ10 年弱 東京の西のほう在住 福岡には初めて来ました!
- 4. 普段のcommit 状況 最近はコードを結構書いています（ほとんど会社でですが ） 割合的にはこんな感じ PHP70 % JavaScript 20 % Go 5 % Python 5 %
- 5.
- 6.
- 7.
- 8. ある日 GitHub Trending に php-ai/php-ml というリポジトリが現れ、ス ターを稼いでいるのを見かける MachineLearning library for PHP だと？ 3499 stars (2017/06/10 現在)
- 9. 機械学習といえばPython？ ライブラリが非常に充実している scikit‑learn (機械学習ライブラリ) NumPy (計算ライブラリ) SciPy(計算ライブラリ) Pandas (統計データ処理ライブラリ) 機械学習のライブラリの充実度合いといえばPython 一択という認識 PHP にもこういうものがついに出てきたのか！ 実際に触ったことはありませんでした
- 10. なにはともあれREADME を読んでみる やけに簡単そうに見えませんか require_once 'vendor/autoload.php'; usePhpmlClassificationKNearestNeighbors; $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); echo $classifier->predict([3, 2]); // return 'b'
- 11. k 近傍法 教師あり学習 分類問題を解くときに使用されるアルゴリズムのひとつ 先程の例でやっていること [1, 3] , [1, 4] , [2, 4] に a というラベル、 [3, 1] , [4, 1] , [4, 2] に b というラベルをつけておき [3, 2] というデータがあった場合、 どちらのラベルがつきますか？というのを分類する →この場合、 b が返ってくる
- 12. サンプルデータってないの？ デモ用にすぐ使えるデータセットが3 種類あります。 Iris(あやめ) Wine(ワイン)Glass(ガラス) 種類数 3 3 6 総サンプル数 150 178 214 特徴量次元数 4 13 9 R 言語やscikit‑learn でも定番のデモデータセットらしい
- 13. Iris Dataset サンプル例 sepal length,sepalwidth,petal length,petal width,class 5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa 7.0,3.2,4.7,1.4,Iris-versicolor 6.4,3.2,4.5,1.5,Iris-versicolor 6.9,3.1,4.9,1.5,Iris-versicolor 6.3,3.3,6.0,2.5,Iris-virginica 5.8,2.7,5.1,1.9,Iris-virginica 7.1,3.0,5.9,2.1,Iris-virginica 6.3,2.9,5.6,1.8,Iris-virginicacs がく(sepal)・花弁(petal)の幅と高さを特徴量としている
- 14.
- 15. デモを使ってみる $classifier = newPhpmlClassificationNaiveBayes(); $iris_dataset = new PhpmlDatasetDemoIrisDataset(); $classifier->train( $iris_dataset->getSamples(), $iris_dataset->getTargets() ); // 試しに適当な sepal, petal を入れて predict させてみる echo $classifier->predict([1.0, 2.0, 2.1, 2.5]); // virginica
- 16.
- 17.
- 18.
- 19.
- 20.
- 21. Preprocessing データの前処理を行う Normalization データを0 ～ 1の間にrescaling する Imputer 現実のデータはそううまくすべて揃っていることがない いわばnull みたいな値をなんらかのデータとして埋める
- 22.
- 23.
- 24. 現時点で、実装されているアルゴリズム 相関ルールマイニング Apiori アルゴリズム 分類 SVC(サポートベクトル分類)・k 近傍法・ナイーブベイズ 回帰 最小二乗法・サポートベクトル回帰 クラスタリング k‑means法・DBSCAN ニューラルネットワーク MLPClassifier scikit‑learn には及ばないもののニューラルネットワークも実装されてい る
- 25.
- 26. データのプロットはできるの？ Python にはmatplotlib という強力なグラフ描画ライブラリがある PHPにはなさそう PHP からPython を外部実行しているケースが見られる
- 27.
- 28.
- 29.