机器之心报道
编辑:陈萍
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。
$timephpcli/db-seed.phpdata/players✗15gamesdidnotpassthevalidation.✓3234gamesoutofatotalof3249areOK.✓1353gamesoutofatotalof1353areOK.✓1900gamesoutofatotalof1900areOK.✓776gamesoutofatotalof776areOK.✗1gamesdidnotpassthevalidation.✓1660gamesoutofatotalof1661areOK.✗4gamesdidnotpassthevalidation....✓1124gamesoutofatotalof1124areOK.✓265gamesoutofatotalof265areOK.✗1gamesdidnotpassthevalidation.✓2099gamesoutofatotalof2100areOK.
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>selectcount(*) from games;
+----------+| count(*) |
+----------+|402658|
+----------+1rowinset (0,23sec)
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
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,请使用WINRAR解压,如遇到无法解压的请联系管理员!
8. 精力有限,不少源码未能详细测试(解密),不能分辨部分源码是病毒还是误报,所以没有进行任何修改,大家使用前请进行甄别
丞旭猿论坛
暂无评论内容