KI ist zur Zeit Hype. Dahinter stecken viele Methoden aus dem Bereich des Maschinellen Lernens (ML). In diesem Umfeld wird gerne Python als Programmiersprache genutzt, oft auch Java. Doch auch wer einen Webhosting-Account betreibt, PHP-Skripte erstellen und ausführen kann, kann ML einsetzen.
In diesem Blogbeitrag wollen wir für User und Userinnen, die gerne auch mal mit PHP experimentieren, eine Anregung geben, PHP ML auf einem Webhosting-Account bei zu nutzen. Wenn du uns deine Erfahrungen mitteilen könntest, wären wir dafür sehr dankbar.
Was ist PHP ML?
PHP ML ist eine PHP-Bibliothek, die es Entwicklern ermöglicht, maschinelles Lernen in ihre PHP-Anwendungen zu integrieren. Es bietet eine Reihe von Algorithmen und Funktionen für Aufgaben wie Klassifizierung, Regression, Clustering und mehr. Mit PHP ML kannst du Daten analysieren, Modelle trainieren und Vorhersagen treffen, ohne auf externe ML-Frameworks angewiesen zu sein.
PHP ML-Bibliothek installieren
Die PHP ML-Bibliothek muss „installiert“ werden. Du kannst dies auf verschiedene Arten tun, aber eine der einfachsten Möglichkeiten besteht darin, Composer zu verwenden.
Composer ist ein Paketmanager für PHP, der die Installation von Abhängigkeiten erleichtert und steht bei goneo seit einiger Zeit zur Verfügung, auch auf kleineren Hosting-Paketen.
Erstelle eine composer.json-Datei in deinem Projektverzeichnis und füge die folgende Abhängigkeit hinzu:
{
"require": {
"php-ai/php-ml": "^0.8.0"
}
}Führe dann composer install auf deinem Webhosting-Account aus, um die Bibliothek herunterzuladen und zu installieren.
Eine Beispielanwendung
Nun, da PHP ML installiert ist, kannst du mit der Erstellung einer Beispielanwendung beginnen. Betrachten wir ein einfaches Beispiel zur Klassifizierung von Iris-Blumen (dieses Beispiel haben wir mit ChatGPT4 generiert):
<?php
require 'vendor/autoload.php';
use Phpml\Classification\KNearestNeighbors;
use Phpml\Dataset\CsvDataset;
use Phpml\Metric\Accuracy;
// Datensatz laden
$dataset = new CsvDataset('iris.csv', 4, true);
// Daten aufteilen (70% Trainingsdaten, 30% Testdaten)
$randomSplit = new \Phpml\CrossValidation\RandomSplit($dataset, 0.3);
// Trainingsdaten und -labels extrahieren
$trainingSamples = $randomSplit->getTrainSamples();
$trainingLabels = $randomSplit->getTrainLabels();
// Testdaten und -labels extrahieren
$testSamples = $randomSplit->getTestSamples();
$testLabels = $randomSplit->getTestLabels();
// K-Nearest Neighbors-Algorithmus initialisieren und trainieren
$classifier = new KNearestNeighbors();
$classifier->train($trainingSamples, $trainingLabels);
// Vorhersagen für Testdaten treffen
$predictions = $classifier->predict($testSamples);
// Genauigkeit der Vorhersagen berechnen
$accuracy = Accuracy::score($testLabels, $predictions);
echo 'Genauigkeit: ' . $accuracy;
?>In diesem Beispiel wird die Iris-Datenbank verwendet, um eine Klassifikation durchzuführen. Das ist eine kleine Datei mit einer Datensammlung Stelle sicher, dass du die iris.csv-Datei in deinem Projektverzeichnis hast (hier verfügbar: https://gist.github.com/curran/a08a1080b88344b0c8a7).
Irisblume, einschließlich ihrer Art und den Abmessungen ihrer botanischen Teile, Kelchblatt und Blütenblatt, in Zentimetern.
Fazit
Mit PHP ML kannst du maschinelles Lernen direkt in deine PHP-Anwendungen integrieren, auch wenn du nur über einen Webhosting-Account verfügst. In dieser Bibliothek sind fertige Routinen enthalten.
In diesem Blogbeitrag haben wir die grundlegenden Schritte dargestellt, um PHP ML auf einem Webhosting-Account zu nutzen, und ein einfaches Beispiel für die Klassifizierung von Iris-Blumen gezeigt.
Das Beispiel-Dataset ist klein und sollte keine Probleme mit der Skriptlaufzeit auf dem Server erzeugen. Große Datasets brauchen mehr Rechenzeit und werden die serverseitig eingestellte Skriptlaufzeit sprengen.
Am könnte dann das „Training“ lokal ausführen, etwas auf einer PC-Installation und fas fertige Modell dann auf dem Webspace einsetzen. Ein fertig trainiertes Modell für ein Ergebnis durchzurechnen braucht viel weniger Ressourcen.
Jetzt bist du bereit, mit PHP ML zu experimentieren und fortgeschrittenere ML-Anwendungen in deinen Webprojekten umzusetzen. Viel Spaß beim Codieren und denke an das Feedback hier als Kommentar.
Guten Tag Markus ,
wir haben nach Anleitung mal die PHP-ML installiert , aber das läuft so noch nicht, wie beschrieben . Machst du dazu wenn du kannst ein Video ? das würde helfen, die Anwendung zu verstehen.
Ansonsten 🙂 Wenn man Deep learning kann durch die Sysadminausbildung ists nicht schwer Sehll/bash das zu installieren. War trotzdem herausfordernd , weil …. : der Shellserver ordentlich am Anfang gemekkert hatte was man eigentlich nun will, haben es aber trotzdem hinbekommen zumindest php ML und die Ordner und die Inhalte dazu zu erstellen für das Scripting aber das Script selbst müsste doch normal wenn alles installiert ist , die Datei im Web ausführbar machen ?
Stattdessen ??? Download einer .csv Datei mit dem Inhalt der iris.csv , aber es wird nicht ausgeführt .
Jetzt komme ich hier nicht weiter, weil der Kopf raucht ordentlich, weil du da eine sehr gute Praxis knifflige Aufgabe mit gestellt hast 🙂 Also
würde helfen wenn du das mit einem Video mal erklären könntest und gerne mehr so Erklärtutorials machen lieben Dank für , dass der Mathekopf raucht .
Video kommt, dauert aber noch ein bis zwei Wochen.
In Ihrem beigefügten PHP-Skript ist ein kleiner Schreibfehler drin:
bei der Kommentarzeile „// K-Nearest Neighbors-Algorithmus initial“ ist „isieren und trainieren“ in eine der nächsten Zeile gerutscht.
Künstliche Intelligenz (KI) ist hervorragend komplementär zur Natürlichen Dummheit (ND). Die Entwicklung dieser beiden Pole verspricht spannend zu werden. Die ND wird sicherlich von der KI profitieren, wenn noch weniger nachgedacht werden darf. Das spart Energie.
Allerdings macht das Thema informatisch auch Spaß.
Danke für den Hinweis, korrigiert.
Ich finde, der Artikel „Using PHP ML on Hosting: Just Try It“ bietet PHP-Entwicklern eine interessante Möglichkeit, maschinelles Lernen in ihre Projekte zu integrieren, auch wenn sie nur ein Hosting-Konto haben. Jetzt, wo künstliche Intelligenz und maschinelles Lernen im Trend liegen, ist es schön zu sehen, dass PHP eine Rolle in diesem Bereich spielen kann.
Die Einführung in die PHP ML-Bibliothek und die Erklärung, wie man sie mit Composer installiert, ist nützlich für Entwickler, die gerade in diesem Bereich anfangen oder ein Upgrade benötigen. Ein konkretes Beispiel für die Klassifizierung der Irisfarbe demonstriert die praktische Anwendung dieser Technologie in PHP und erleichtert das Verständnis für ihre Implementierung.
Insgesamt ist dieser Artikel eine wertvolle Ressource für PHP-Entwickler, die in die Welt des maschinellen Lernens eintauchen wollen. Die klaren Anweisungen und Beispiele machen den Einstieg leicht. Vielen Dank für die Bereitstellung dieser Informationen, die zweifelsohne vielen Entwicklern bei ihren Projekten helfen werden.
Sie können sich auch auf dieser Seite über PHP-Entwickler informieren: https://innowise-group.com/de/php-development-services/.
Für diejenigen, die Unterstützung erhalten möchten, ist es wichtig, eine qualitativ hochwertige und professionelle Ressource zu wählen. Als ich facharbeit schreiben lassen https://ghostwriterschweiz.ch/ brauchte, wandte ich mich an eine bewährte Ressource. Diese Schreibdienste zeichnen sich durch hervorragende Qualität und Originalität der Texte aus. Jedes geschriebene Stück zeichnet sich durch viel Liebe zum Detail und ein tiefes Verständnis des Themas aus.
ich sage ja goneo hosting hat das sehr gut hinbekommen so Möglichkeit zu bieten, das das Ding für Entwickler die produktiv testen wollen und macht das hosting nun neben den Baukästen richtig interessant und produktiv. juhu. 🙂
weil gut ist die Möglichkeit auch weil nicht nur Laien das hosting testen können sondern für produktive Entwickler der Schritt in die Zukunft geebnet ist und der hoster sich damit qualitativ auch verbessern kann das ist toll und hab auch gesehen, dass es sich schon hilfreich gelohnt hat denn das Ding hat mir Verbesserungsvorschläge aufgezeigt und seitdem es läuft unterstützt es so wie Markus das beschrieben hat.
Hi! Thanks for the code example demonstrating, I can clearly see a simple application using the PHP ML library to classify iris flowers based on the K-Nearest Neighbors algorithm. For those diving into mobile app development. For those venturing into mobile app development, I reached out to SolveIt at https://solveit.dev/services/mobile-app-development for assistance with both mobile app consulting and development. ML is becoming more popular, I will share this article with my development team, they should learn a lot from it.
In jedem Fall müssen Sie in der Lage sein, Ihre Zeit effektiv zu planen. Hierfür nutze ich oft seminararbeit schreiben lassen. Neben der Qualität und Pünktlichkeit der Ausführung garantiert die Ressource die vollständige Vertraulichkeit und Sicherheit der Kundendaten, was für viele Nutzer ein wichtiges Kriterium ist. Ein ebenso wichtiger Vorteil ist die Erschwinglichkeit der Preise, die ihre Dienstleistungen verschiedenen Kundenkategorien zugänglich macht.