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JordiBassaganas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RubixML，其中RubixML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。
项目介绍
该项目是一组命令行界面（Command-LineInterface，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RubixML训练监督模型。
所谓的PGN就是「可移植式棋局记号法」(PortableGameNotation)，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PGNMentor中下载了PGN文件，PGNMentor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：
phpcli/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.
gamesoutofatotalofareOK.
gamesoutofatotalofareOK.
gamesoutofatotalofareOK.
gamesoutofatotalofareOK.
1gamesdidnotpassthevalidation.
gamesoutofatotalofareOK.
4gamesdidnotpassthevalidation.
gamesoutofatotalofareOK.
gamesoutofatotalofareOK.
1gamesdidnotpassthevalidation.
gamesoutofatotalofareOK.
cli/db-seed.php命令需要大约40分钟才能加载大约,个游戏。
mysqlselectcount(*)fromgames;
+----------+
count(*)
+----------+
408
+----------+
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。