用「最好的语言」PHP,做一个机器学习数据集

2021-07-10 13:53 924 阅读 ID:383
机器之心
机器之心
    使用 PHP 为机器学习准备数据集。

    机器学习是一门通过数据来教计算机解决问题的科学,而不是编写序列算法,让指令逐个执行。

    一般来说,数据准备是机器学习的首要任务,通常包括两个子步骤:创建数据集和转换数据。

    如果想构建一个类似人类的 AI 象棋游戏,首要问题就是创建一个数据库,并且该数据库需要尽可能多的包含象棋大师玩游戏的数据。通常情况下,大多数人使用 Python 构建数据集,并且在一定程度上认为 Python 是数据科学的唯一编程语言。

    但是,项目作者 Jordi Bassaganas 打破流行观点(该观点认为 Python 是世界上唯一用于数据科学的编程语言),不使用 Python,而是在构建数据中使用了 MySQL、PHP 和 Rubix ML,其中 Rubix ML 是一个高级机器学习库,可构建使用 PHP 语言从数据中学习的程序。

    项目地址:https://github.com/programarivm/chess-data

    项目介绍

    该项目是一组命令行界面(Command-Line Interface,CLI)工具,可帮助管理 PGN 游戏中的象棋数据库,此外,该工具还可以进行数据准备、可视化数据和使用 Rubix ML 训练监督模型。

    所谓的 PGN 就是「可移植式棋局记号法」(Portable Game Notation),是一种以 ASCII 文本文件表示国际象棋棋局数据的标准设定。PGN 设计成使人们很容易进行阅读和编写,电脑程序很容易进行解析和产生。定义和传播 PGN 的目的,是为了促进公开对局数据的共享交流,包括来自全世界的棋手 (不管有无组织)、出版人和电脑国际象棋研究的。

    接下来真正的问题是:应该给计算机提供哪些示例以使机器学习变得更容易?

    这个数据准备存储库主要任务是将数百万个象棋游戏加载到 SQL 数据库中。作者从 PGN Mentor 中下载了 PGN 文件,PGN Mentor 是一个用于国际象棋研究的软件应用程序,同时还提供了一个包含数百万个游戏的文件集合,并将这些文件复制到 programarivm/chess-data/data/players 文件夹中。

    其实使用 PHP 为机器学习准备数据集并没有什么简单方法。但实现过程涉及到不同的技术,这是关于对处理问题的理解、收集和过滤数据的最好实践过程。

    例如,当涉及国际象棋时,首先你需要过滤和验证游戏,这意味着要删除那些语法上无效或包含错误的游戏。cli/pgn-validate.php 命令查找 PGN 文件中错误,这条命令在将信息加载到数据库时会被广泛使用。

    示例展示

    下面展示了使用该项目设置和运行 MySQL 国际象棋数据库,第一步是创建如下所示的象棋数据库:

    $ php cli/db-create.php

    然后,按照下面的描述,games 表将被植入有效数据。

    $ time php cli/db-seed.php data/players
    ✗ 15 games did not pass the validation.
    ✓ 3234 games out of a total of 3249 are OK.
    ✓ 1353 games out of a total of 1353 are OK.
    ✓ 1900 games out of a total of 1900 are OK.
    ✓ 776 games out of a total of 776 are OK.
    ✗ 1 games did not pass the validation.
    ✓ 1660 games out of a total of 1661 are OK.
    ✗ 4 games did not pass the validation.
    ...
    ✓ 1124 games out of a total of 1124 are OK.
    ✓ 265 games out of a total of 265 are OK.
    ✗ 1 games did not pass the validation.
    ✓ 2099 games out of a total of 2100 are OK.

    cli/db-seed.php 命令需要大约 40 分钟才能加载大约 400,000 个游戏。

    mysql> select count(*) from games;
    +----------+
    | count(*) |
    +----------+
    | 402658 |
    +----------+
    1 row in set (0,23 sec)

    值得一提的是,所有这些都是用 PHP 语言实现的!

    建立好国际象棋数据库后,就可以为机器学习算法准备数据。在接下来的文章中,项目作者将详细说明如何通过使用多层感知器分类器和该数据库,进行国际象棋防守、战术等的开发。

    参考链接:https://ai.plainenglish.io/preparing-a-dataset-for-machine-learning-with-php-fd68dd85187e

    免责声明:作者保留权利,不代表本站立场。如想了解更多和作者有关的信息可以查看页面右侧作者信息卡片。
    反馈
    to-top--btn