php molten,当molten遇到机器学习
当molten遇到机器学习
molten
molten是一个链路追踪的php扩展, git地址:molten
它能够用来构建php全链路追踪系统, 这个在上一篇的blog中已经介绍过了《Molten 功能简介以及使用指南》
在如今机器学习如火如荼的今天, 全链路追踪系统和机器学习相结合 和爆发出怎样的火花? 下面让我们玩转起来这个追踪系统。
机器学习
在ai人工智能越来越完善的今天, php也有了自己能够应用得上的人工智能库了 - PHP-ML 其中已经包含了常用的机器学习的算法, 数据处理的简单工具。 能够满足我们当前的学习内容
数据训练
收集单台机器上某个应用的tracing log, 将其中http/redis/memcached/mysql 的单个request的调用次数以及整个request的请求时间获取出来,将其信息整理为cvs文件,作为我们的训练数据。
文件内容如下:
3,7,0,10626
0,2,0,4386
0,3,0,17755
0,2,0,2584
0,2,0,3468
3,4,0,5469
0,4,0,2570
我们采用svr (support vector regression)进行模型的训练。将外部组件和php执行时间的调用关系整理处理
训练代码如下:
$dataset = new \Phpml\Dataset\CsvDataset('example.cvs', 4, true);
// split dataset
$split = new \Phpml\CrossValidation\RandomSplit($dataset, 0.2);
echo " start train .........\n";
// support vector regression
$svr = new \Phpml\Regression\SVR(\Phpml\SupportVectorMachine\Kernel::POLYNOMIAL, $degree = 3);
$svr->train($split->getTrainSamples(), $split->getTrainLabels());
echo " end training ..... \n";
$testSamples = $split->getTestSamples();
$testLabel = $split->getTestLabels();
foreach ($testSamples as $key => $sample) {
echo "predict: " . $svr->predict($sample) . ' Accuracy: '. $testLabel[$key] . "\n";
}
//echo $svr->predict([0, 1, 1]);
$moduleManager = new \Phpml\ModelManager();
$moduleManager->saveToFile($svr, './svr');
最终我们能够得到一个组件调用和整体时间的非线性模型。 根据这个模型我们能够在一定范围内 预测我们应用时间相应的合理响应时间。
让你的应用说话
例子中只是应用了一个最为简单的机器学习的例子。
我们根据抓取到的组件信息, 我们能够构建出一个关于应用的整体模型, 比如组件和组件的关系, 响应时间和调用链的关系, 应用的聚类等等, 信息越多,我们能够推测出的信息就越多。
最终让数据跟我们对话。
php molten,当molten遇到机器学习相关推荐
- php抓取数据并且保存到Excel
<?php //获取网页内容 require './lib/PHPExcel-1.8/Classes/PHPExcel.php'; set_time_limit(0); //$arr = 'Ar ...
- 机器学习分类指标:精确率、准确率、召回率详解
混淆矩阵 在介绍具体的定义之前先了解一些混淆矩阵(confusion matrix): 一种 NxN 表格,用于总结分类模型的预测效果:即标签和模型预测的分类之间的关联.在混淆矩阵中,一个轴表示模型预 ...
- 【机器学习】RNN循环神经网络
循环神经网络归属: 领域:机器学习 方向:自然语言处理 贡献:自动文本生成 循环神经网络实际应用: 生活中因为原始数据都是序列化的,比如自然语言,语音处理,时间序列问题(股票价格)等问题, 这个时候需 ...
- 开源自动化机器学习框架
20211101 在 Airbnb 使用机器学习预测房源的价格 https://blog.csdn.net/weixin_33735077/article/details/87976278?spm=1 ...
- 机器学习常用术语词汇表
EOF是一个计算机术语,为End Of File的缩写 ,在操作系统中表示资料源无更多的资料可读取. 刚接触机器学习框架 TensorFlow 的新手们,这篇由 Google 官方出品的常用术语词汇表 ...
- 预见未来丨机器学习:未来十年研究热点
<h2 class="subheader">机器学习:未来十年研究热点 </h2><div class="gray-d1-c margin- ...
- SMOTE算法代码实现-机器学习
类别不平衡问题 类别不平衡问题,顾名思义,即数据集中存在某一类样本,其数量远多于或远少于其他类样本,从而导致一些机器学习模型失效的问题.例如逻辑回归即不适合处理类别不平衡问题,例如逻辑回归在欺诈检测问 ...
- LARS 算法简介-机器学习
https://cosx.org/2011/04/modified-lars-and-lasso/ 查看全文 http://www.taodudu.cc/news/show-64111.html 相关 ...
- 1-1 机器学习和深度学习综述-paddle
课程>我的课程>百度架构师手把手教深度学习>1-1 机器学习和深度学习综述> 1-1 机器学习和深度学习综述 paddle初级课程 王然(学生) Notebook 教育 初级深 ...
- 机器学习——标准化/归一化的目的、作用和场景
对每个特征进行归一化处理,使得每个特征的取值缩放到0~1之间.这样做有两个好处: 模型训练更高效. 特征前的权重大小可代表该变量对预测结果的贡献度(因为每个特征值本身的范围相同). (一)归一化的作用 ...
最新文章
- Android开发工具之Android Studio--如何打包sdk通过arr包的方式
- 服务外包技术培训——后端开发技术栈分析(Java)
- 数据结构与算法——排序
- Cisco-CCNP之OSPF链路状态路由协议(二)
- 读书记录(持续更新...)
- leetcode刷题日记-在线选举
- 2022教培机构升级转型新模式
- Linux系统/usr/local/src /usr/local是什么目录
- 【NLP】文本匹配——Enhanced LSTM for Natural Language Inference阅读与总结
- 阿里云ECS重置实例密码
- 笔记本电脑无法连上WiFi的解决办法
- 抖音的商业定位和内容定位
- 51单片机外部中断的使用以及优先级设置
- Autodesk Maya 2018.6 中文特别版 Mac 顶级三维动画制作工具
- 问责制Accountability
- 《通信技术导论(原书第5版)》——1.11 网络布线
- 可视化案例(五)Kepler.gl绘制动态酷炫热力图
- [转载]你所不了解的DevOps
- 为了进大厂,韩顺平高级Java教程百度云
- 1个字节,2个字节,4个字节数据之间赋值