PHP နှင့်အတူစက်ကိုသင်ယူခြင်းမော်ဒယ်များကိုအလွယ်တကူ PHP နှင့်အတူတည်ဆောက်ရန် - လက်တွေ့သင်သင်ခန်းစာများနှင့်ဥပမာများ

PHP ကိုအသုံးပြုပြီးစက်သင်ယူမှုပုံစံကိုဘယ်လိုတည်ဆောက်ရမလဲ

အရေးပါသောအတုထောက်လှမ်းရေးဌာနခွဲအနေဖြင့်စက်ရုံလေ့လာမှုကိုနယ်ပယ်များစွာတွင်ကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုထားသည်။ Models များတည်ဆောက်ခြင်းမော်ဒယ်များကိုလူကြိုက်များသောဆာဗာဘေးထွက်ပရိုဂရမ်ဘာသာစကားတစ်ခုအနေဖြင့် PHP သည်၎င်း၏ထူးခြားသောအားသာချက်များကိုပါ 0 င်နိုင်သည်။ ဤဆောင်းပါးသည် PHP ကို ​​အသုံးပြု. စက်ကိုလေ့လာခြင်းမော်ဒယ်များကိုမည်သို့တည်ဆောက်ရမည်ကိုမိတ်ဆက်ပေးပြီးလက်တွေ့ကျသောကုဒ်များဥပမာများကိုဖော်ပြရန်ဖြစ်သည်။

1 ။ PHPM စက်ကိုစာကြည့်တိုက်ကို install လုပ်ပါ

စက်ကိုလေ့လာခြင်းမော်ဒယ်များကိုမစတင်မှီ, သက်ဆိုင်ရာ PHP Machine Learning စာကြည့်တိုက်ကို install လုပ်ရန်လိုအပ်သည်။ PHP-ML သည်ပြည့်စုံသော PHP Machine Justinage Learching စာကြည့်တိုက်သည်ဆုတ်ယုတ်မှု, Php-ML ကို install လုပ်ရန်အဆင့်များမှာဤတွင်ဖြစ်သည်။

1. terminal ကိုဖွင့ ်. composer ကို install လုပ်ပါ (PHP Transment Manager Management tool) ကိုဖွင့်ပါ။

 $ curl -sS https://getcomposer.org/installer | php
$ mv composer.phar /usr/local/bin/composer

2. PHP စီမံကိန်းလမ်းညွှန်တွင် composer.json ဖိုင်တစ်ခုဖန်တီးပါ။ အောက်ပါအကြောင်းအရာများပါ 0 င်သည်။

 {
  "require": {
    "php-ai/php-ml": "~0.8"
  }
}

3. PHP-ML စာကြည့်တိုက်ကို install လုပ်ရန် command ကို Execute လုပ်ပါ။

 $ composer install

2 ။ Regression မော်ဒယ်

Regression မော်ဒယ်များကိုကိန်းဂဏန်းပစ်မှတ် variable တွေကိုကြိုတင်ခန့်မှန်းရန်မကြာခဏအသုံးပြုကြသည်။ ဤတွင် PHP ကို ​​Regression မော်ဒယ်တစ်ခုတည်ဆောက်ရန် PHP ကိုအသုံးပြုခြင်း၏ဥပမာတစ်ခုဖြစ်သည်။

 // လိုအပ်သောအတန်းမိတ်ဆက်
require 'vendor/autoload.php';
<p>use Phpml\Regression\SVR;<br>
use Phpml\SupportVectorMachine\Kernel;</p>
<p>// လေ့ကျင့်ရေးဒေတာ<br>
$samples = [[60], [61], [62], [63], [65]];<br>
$targets = [3.1, 3.6, 3.8, 4, 4.1];</p>
<p>// တစ် ဦး ဆုတ်ယုတ်မော်ဒယ်ဖန်တီးပါ<br>
$regression = new SVR(Kernel::LINEAR);<br>
$regression->train($samples, $targets);</p>
<p>// အချက်အလက်အသစ်များကိုကြိုတင်ခန့်မှန်းပါ<br>
$prediction = $regression->predict([[64]]);<br>
echo "ခန့်မှန်းရလဒ်များ：" . $prediction;<br>

iii ။ အမျိုးအစားခွဲခြားမော်ဒယ်

ခွဲခြားမော်ဒယ်များသည်ဒေတာများကိုကွဲပြားခြားနားသောအမျိုးအစားများဖြင့်ခွဲဝေရန်သင့်တော်သည်။ အောက်ဖော်ပြပါဥပမာသည် PHP ကို ​​အသုံးပြု. အမျိုးအစားခွဲခြားမှုပုံစံကိုမည်သို့တည်ဆောက်ရမည်ကိုပြသသည်။

 // လိုအပ်သောအတန်းမိတ်ဆက်
require 'vendor/autoload.php';
<p>use Phpml\Classification\SVC;<br>
use Phpml\SupportVectorMachine\Kernel;</p>
<p>// လေ့ကျင့်ရေးဒေတာ<br>
$samples = [[150, 50], [160, 60], [170, 70], [180, 80]];<br>
$targets = ['ယောကျ်ားဖြစ်သော', 'မိန်းမ', 'ယောကျ်ားဖြစ်သော', 'မိန်းမ'];</p>
<p>// တစ် ဦး ခွဲခြားမော်ဒယ်ဖန်တီးပါ<br>
$classifier = new SVC(Kernel::RBF, 1000);<br>
$classifier->train($samples, $targets);</p>
<p>// အချက်အလက်အသစ်များကိုကြိုတင်ခန့်မှန်းပါ<br>
$prediction = $classifier->predict([[190, 90]]);<br>
echo "ခန့်မှန်းရလဒ်များ：" . $prediction;<br>

IV ။ စပျစ်သီးပြွတ်မော်ဒယ်

Clustering Models များသည်အချက်အလက်များကိုကွဲပြားခြားနားသောပြွတ်သို့ခွဲဝေရန်အသုံးပြုသည်။ PHP ကို ​​အသုံးပြု. စပျစ်သီးပြွတ်မော်ဒယ်တည်ဆောက်ရန်ဥပမာအားဖြင့်အောက်ပါတို့သည်ဥပမာအားဖြင့်ပြသသည်။

 // လိုအပ်သောအတန်းမိတ်ဆက်
require 'vendor/autoload.php';
<p>use Phpml\Clustering\KMeans;</p>
<p>// လေ့ကျင့်ရေးဒေတာ<br>
$samples = [[60], [61], [62], [63], [65]];</p>
<p>// တစ် ဦး စပျစ်သီးပြွတ်မော်ဒယ်ဖန်တီးပါ<br>
$clustering = new KMeans(3);<br>
$clustering->train($samples);</p>
<p>// အချက်အလက်အသစ်များကိုကြိုတင်ခန့်မှန်းပါ<br>
$prediction = $clustering->predict([[64]]);<br>
echo "ခန့်မှန်းရလဒ်များ：" . $prediction;<br>

အကျဉ်းချုပ်

ဤဆောင်းပါးသည် PHP ကို ​​အသုံးပြု. PHP ကို ​​အသုံးပြု. စက်ကိုသင်ယူခြင်းမော်ဒယ်များကိုတည်ဆောက်ရန်နှင့်တိကျသောဥပမာများမှတဆင့်သတ်မှတ်ခြင်း, PHP-ML စာကြည့်တိုက်အပြင် PHP ဂေဟစနစ်တွင်ရွေးချယ်ရန်အတွက်အခြားစက်သင်ယူမှုစာကြည့်တိုက်များရှိသည့်အခြားစက်ကိုလေ့လာခြင်းစာကြည့်တိုက်များရှိသည့်အခြားစက်များနှင့်တည်ဆောက်သူများသည်စီမံကိန်းလိုအပ်ချက်များနှင့်အညီပြောင်းလွယ်ပြင်လွယ်စွာကျင့်သုံးနိုင်သည်။ PHP ပတ်ဝန်းကျင်တွင်စက်၏သင်ယူမှုဖွံ့ဖြိုးတိုးတက်မှုအတွက်အောင်မြင်စွာလုပ်ဆောင်နိုင်အောင်ဤဆောင်းပါးသည်သင်အောင်မြင်စွာလုပ်ဆောင်နိုင်လိမ့်မည်ဟုကျွန်ုပ်မျှော်လင့်ပါသည်။