PHP पर मशीन लर्निंग: ML लाइब्रेरीज़ का अवलोकन

PHP पर मशीन लर्निंग: ML-एल्गोरिदम को लागू करने के लिए लाइब्रेरीज़ का अवलोकन

हालाँकि Python पारंपरिक रूप से मशीन लर्निंग के लिए मुख्य भाषा मानी जाती है, PHP में भी कई शक्तिशाली लाइब्रेरीज़ हैं जो ML-मॉडल को सीधे वेब-एप्लिकेशन में शामिल करने की अनुमति देती हैं। इस लेख में, हम PHP पर मशीन लर्निंग के लिए मुख्य उपकरणों, उनकी क्षमताओं और उपयोग के उदाहरणों की समीक्षा करेंगे।

PHP मशीन लर्निंग के लिए क्यों?

PHP वेब-डेवलपमेंट के लिए सबसे लोकप्रिय भाषाओं में से एक बनी हुई है। PHP पर ML-लाइब्रेरीज़ का उपयोग करने से निम्नलिखित लाभ होते हैं:

• मॉडल को सीधे मौजूदा Laravel/Symfony प्रोजेक्ट्स में एकीकृत करना
• एक ही प्रोजेक्ट के भीतर भाषाओं के बीच स्विच करने से बचना
• परिचित Composer इकोसिस्टम और ऑटोलोडिंग का उपयोग करना
• सस्ते होस्टिंग पर तेज़ी से प्रोटोटाइप तैनात करना

1. PHP-ML — PHP पर मशीन लर्निंग का मानक

PHP-ML (Machine Learning library for PHP) PHP पर ML के लिए सबसे लोकप्रिय लाइब्रेरी है। यह बाहरी निर्भरताओं के बिना एल्गोरिदम की एक विस्तृत श्रृंखला प्रदान करती है।

स्थापना

composer require php-ai/php-ml

उदाहरण: टेक्स्ट वर्गीकरण

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

use Phpml\\Classification\\KNearestNeighbors;use Phpml\\FeatureExtraction\\TfIdfTransformer;use Phpml\\Tokenization\\WhitespaceTokenizer;use Phpml\\FeatureExtraction\\TokenCountVectorizer;

// प्रशिक्षण डेटा$samples = [    'बढ़िया उत्पाद तेज़ डिलीवरी',    'भयानक गुणवत्ता खराब',    'सभी दोस्तों को सुझाता हूँ',    'काम नहीं करता एक दिन में टूट गया'];$labels = ['positive', 'negative', 'positive', 'negative'];

// टेक्स्ट को वेक्टर में बदलना$vectorizer = new TokenCountVectorizer(new WhitespaceTokenizer());$vectorizer->fit($samples);$vectorizer->transform($samples);

$transformer = new TfIdfTransformer();$transformer->fit($samples);$transformer->transform($samples);

// मॉडल प्रशिक्षण$classifier = new KNearestNeighbors();$classifier->train($samples, $labels);

// भविष्यवाणी$testSample = ['उत्कृष्ट उत्पाद गुणवत्ता'];$vectorizer->transform($testSample);$transformer->transform($testSample);

$predicted = $classifier->predict($testSample[0]);echo "टोनलिटी: $predicted"; // positive?>

PHP-ML की क्षमताएँ

• वर्गीकरण: KNearestNeighbors, NaiveBayes, SVC, DecisionTree
• रिग्रेशन: LeastSquares, Ridge, LogisticRegression
• क्लस्टरिंग: KMeans, DBSCAN, FuzzyCMeans
• टेक्स्ट प्रोसेसिंग: TF-IDF, स्टेमिंग, टोकनाइज़ेशन
• मीट्रिक्स: accuracy, precision, recall, confusion matrix

2. Rubix ML — मशीन लर्निंग के लिए आधुनिक फ्रेमवर्क

Rubix ML एक नई और अधिक प्रदर्शनशील लाइब्रेरी है जो न्यूरल नेटवर्क, GPU-त्वरण और डेटा प्रोसेसिंग पाइपलाइनों का समर्थन करती है।

स्थापना

composer require rubix/ml

उदाहरण: वर्गीकरण के लिए न्यूरल नेटवर्क

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

use Rubix\\ML\\Datasets\\Labeled;use Rubix\\ML\\NeuralNet\\Layers\\Dense;use Rubix\\ML\\NeuralNet\\Layers\\Activation;use Rubix\\ML\\NeuralNet\\ActivationFunctions\\ReLU;use Rubix\\ML\\NeuralNet\\ActivationFunctions\\Softmax;use Rubix\\ML\\NeuralNet\\Optimizers\\Adam;use Rubix\\ML\\Classifiers\\MultilayerPerceptron;use Rubix\\ML\\CrossValidation\\Reports\\MulticlassBreakdown;

// डेटासेट बनाना$samples = [[2.5, 1.2], [1.0, 0.8], [3.5, 4.2], [2.0, 0.5]];$labels = ['cat', 'dog', 'cat', 'dog'];$dataset = new Labeled($samples, $labels);

// MLP (मल्टीलेयर परसेप्ट्रॉन) बनाना$mlp = new MultilayerPerceptron([    new Dense(10),    new Activation(new ReLU()),    new Dense(5),    new Activa