PHP للتعلم الآلي: الإمكانيات، المكتبات والقيود

تعلم Python بسهولة دون إرهاق نظري. حل مهام عملية مع التحقق التلقائي واكتب الكود مباشرة في المتصفح.

PHP للتعلم الآلي: حقيقة أم خرافة؟

عندما يتعلق الأمر بالتعلم الآلي (ML)، يتبادر إلى الذهن أولاً Python أو R أو Julia. يبدو PHP، المرتبط تقليديًا بتطوير الويب والواجهة الخلفية، مرشحًا غير مناسب لمهام علم البيانات. ومع ذلك، مع تزايد شعبية ML وظهور مكتبات متخصصة، بدأ PHP في التسلل تدريجيًا إلى هذا المجال. في هذه المقالة، سنحلل مدى ملاءمة PHP للتعلم الآلي، وما هي الأدوات الموجودة، وأين يكون استخدامه مبررًا، وأين لا يكون كذلك.

المكتبات الرئيسية للتعلم الآلي بلغة PHP

على الرغم من أن النظام البيئي لـ PHP للتعلم الآلي أقل بكثير من Python، إلا أن هناك العديد من المكتبات الناضجة التي تسمح بحل المهام الأساسية. دعنا نلقي نظرة على الأكثر شيوعًا.

PHP-ML (PHP Machine Learning)

هذه هي أول وأشهر مكتبة للتعلم الآلي بلغة PHP. توفر مجموعة واسعة من الخوارزميات والأدوات للتصنيف والانحدار والتجميع والمعالجة المسبقة للبيانات.

الإمكانيات الرئيسية لـ PHP-ML:

التصنيف: Naive Bayes، SVM (Support Vector Machine)، K-Nearest Neighbors (KNN).
الانحدار: Linear Regression، Least Squares.
التجميع: K-Means، DBSCAN.
مقاييس التقييم: Accuracy، Confusion Matrix، F1 Score.
العمل مع الشبكات العصبية (دعم تجريبي).

مثال: تصنيف قزحية فيشر باستخدام KNN

<?phprequire_once __DIR__ . '/vendor/autoload.php';

use Phpml\\Classification\\KNearestNeighbors;use Phpml\\Dataset\\Demo\\IrisDataset;

// تحميل مجموعة البيانات التجريبية$dataset = new IrisDataset();$samples = $dataset->getSamples();$labels = $dataset->getTargets();

// إنشاء وتدريب المصنف (K=3)$classifier = new KNearestNeighbors(3);$classifier->train($samples, $labels);

// التنبؤ بعينة جديدة (طول الكأس، عرض الكأس، طول البتلة، عرض البتلة)$newSample = [5.1, 3.5, 1.4, 0.2];$predicted = $classifier->predict($newSample);

echo "الفئة المتوقعة: " . $predicted; // سيطبع: Iris-setosa?>

Rubix ML

مكتبة أكثر حداثة وقوة، يتم وضعها كـ "إطار عمل للتعلم الآلي بلغة PHP". تدعم Rubix ML خط أنابيب كامل: من تحميل البيانات إلى نشر النموذج. تستخدم نهجًا موجهًا للكائنات ولها دعم مدمج للشبكات العصبية.

الميزات الرئيسية لـ Rubix ML:

مجموعة واسعة من الخوارزميات: Logistic Regression، Random Forest، Gradient Boost، MLP ( multilayer perceptron).
العمل مع البيانات الفئوية (One Hot Encoder).
التحقق المتقاطع وضبط المعلمات الفائقة.
حفظ وتحميل النماذج المدربة.

مثال: الانحدار الخطي مع Rubix ML

<?phprequire_once __DIR__ . '/vendor/autoload.php';

use Rubix\\ML\\Regressors\\Ridge;use Rubix\\ML\\Datasets\\Labeled;use Rubix\\ML\\CrossValidation\\Metrics\\RMSE;

// تحضير البيانات (X - مساحة المنزل، y - السعر)$samples = [[800], [1200], [1500], [2000], [2500]];$labels = [150000, 210000, 250000, 320000, 400000];

$dataset = new Labeled($samples, $labels);

// إنشاء وتدريب نموذج انحدار Ridge$estimator = new Ridge(1.0);$estimator->train($dataset);

// التنبؤ$newHouse = [[1800]];$predictedPrice = $estimator->predict($newHouse);

echo "السعر المتوقع: $" . number_format($predictedPrice[0], 2);// سيطبع: السعر المتوقع: $289,000.00 (تقريبًا)?>