PHP-ML是受限的玩具库，仅支持少量基础算法、无GPU加速、不支持真模型持久化，训练数据须全量入内存，适合教学或极轻量场景，超10MB CSV或特征维数＞50即失效。
别信这句话——用 Composer 安装 PHP-ML 并不能“解决”机器学习算法应用问题，它只是把一个受限的玩具库搬进你的项目里。 真实场景中模型跑不起来、预测崩掉、结果不准，90% 都不是因为没装对，而是因为 PHP-ML 本身能力边界太窄，而你没意识到它在哪些地方会突然失效。
为什么 composer require php-ai/php-ml 装完就报错或没反应
最常见原因是版本错配。截至 2026 年 4 月，php-ai/php-ml 的 ^1.0 分支仍是未发布重构版，文档断、类名改、示例全废；必须锁定 php-ml/php-ml:^0.9（注意是 php-ml/php-ml，不是 php-ai/php-ml）。
- 执行
composer require php-ml/php-ml:^0.9，别加--dev或-v，避免缓存干扰 - 检查
vendor/autoload.php是否真实存在，有些 IDE 会误判路径导致require_once静默失败 - 运行
php -m | grep -E "(mbstring|json|gmp|bcmath)"，缺任意一个扩展，KNearestNeighbors构造就会抛Fatal error
$classifier->predict() 崩在 “Undefined index” 是数据结构惹的祸
PHP-ML 所有算法只接受纯数字索引的二维数组，比如 [[1, 2], [3, 4]]。一旦混入关联键（如 [['x'=>1, 'y'=>2]]），train() 表面成功，predict() 却在内部遍历时直接触发 Notice: Undefined index 并返回空值。
- 用
array_values(array_map('array_values', $samples))强制重置内外层数字索引 - 训练前加断言：
assert(is_array($samples) && count($samples) && is_numeric(key($samples[0]))); - 别依赖 CSV 加载器自动转换——
CsvDataset对含标题行或空格字段极敏感，建议手写fgetcsv()+ 类型强转
标准化不是可选项，是 predict() 不返回随机结果的前提
PHP-ML 没有内置 fit-transform 流程，Normalizer 必须在 train() 前手动调用，且训练集和预测集必须用同一组 mean/std 归一化参数。漏这步，KNN 距离计算完全失真，predict([3, 2]) 可能返回和训练样本完全无关的 label。
立即学习“PHP免费学习笔记（深入）”；
- 先算训练集统计量：
$mean = array_map('mean', $samples); $std = array_map('std', $samples); - 再统一变换：
$normalized = array_map(fn($row) => array_map(fn($v, $i) => ($v - $mean[$i]) / $std[$i], $row, array_keys($row)), $samples); - 预测时必须复用相同
$mean/$std，不能重新计算——否则维度对齐但数值尺度错位
模型 save() 是假持久化，别当真
$classifier->save('model.php') 实际只是 base64_encode(serialize($this))，没有任何跨 PHP 版本/平台兼容性保障。PHP 8.2 序列化的对象在 8.3 下反序列化大概率失败；换服务器后 unserialize() 直接抛 __PHP_Incomplete_Class。
- 生产环境想复用模型？老实用 Python 训练好，导出 ONNX，PHP 侧用
onnxruntime-php加载 - 真要本地存，只存归一化参数 + 样本矩阵 + label 映射表，每次启动重建 classifier
- 别在 Web 请求中反复
new KNearestNeighbors()——它内部不做缓存，每次 predict 都重算全部距离
真正卡住人的从来不是“怎么装”，而是“装完才发现它根本干不了你想干的事”。PHP-ML 的 train() 和 predict() 接口看着像 sklearn，但背后没有稀疏矩阵支持、没有 early stopping、没有梯度检查——这些不是 bug，是设计选择。用它之前，先问自己：这个任务的数据量是否
