执行PHP-ML最小二乘法回归时遇非数值错误，请求排查

错误原因与修复方案 #

1. 触发警告的直接原因：预测样本传入非数值类型 #

代码中$newSample = [date('yyyy-mm-dd'), 1];存在错误：

• PHP的date()函数没有yyyy格式参数，正确的四位年份格式是Y，因此date('yyyy-mm-dd')会直接返回字符串yyyy-mm-dd，而非预期的日期字符串，更不是数值类型的时间戳。
• 当这个非数值的字符串传入LeastSquares::predict()时，模型内部进行数值计算就会触发non-numeric value encountered警告。

修复：
将$newSample的生成代码改为：

// 生成当前日期的时间戳，保证是数值类型
$currentTimestamp = strtotime(date('Y-m-d'));
$newSample = [$currentTimestamp, 1];

2. 模型评估逻辑错误：用分类指标评估回归任务 #

Accuracy是分类任务的评估指标，用于判断预测类别与真实类别的匹配度，完全不适用于回归任务的连续数值预测，这就是为什么运行结果中Accuracy: 0的原因。

修复：
替换为回归任务专用的评估指标，比如PhpML提供的MeanSquaredError：

use Phpml\Metric\MeanSquaredError;

// ... 其他代码 ...

// 替换原有的Accuracy评估逻辑
$metric = new MeanSquaredError();
$mse = $metric->score($testingLabels, $predictions);
// 可同时计算MAE（平均绝对误差）辅助评估
use Phpml\Metric\MeanAbsoluteError;
$maeMetric = new MeanAbsoluteError();
$mae = $maeMetric->score($testingLabels, $predictions);

3. 数值精度问题：时间戳过大导致系数被稀释 #

运行结果中Confidence: 1.1612428352237E-8（极小值）是因为时间戳数值过大（通常是10位以上的整数），在最小二乘法计算时，特征值的数量级会导致回归系数被稀释，影响模型的可解释性。

优化方案：
将时间戳转换为相对天数，比如以数据集的第一个日期为基准日，后续日期转换为相对基准日的天数，缩小特征数值的数量级：

// 在处理samples时，先获取基准时间戳
$baseTimestamp = strtotime($data['samples'][0][0]);
$samples = array_map(function($sample) use ($baseTimestamp) {
    if (!is_array($sample) || count($sample) != 2) {
        throw new InvalidArgumentException('Each sample in the "samples" array must be an array with 2 values');
    }
    $timestamp = strtotime($sample[0]);
    if ($timestamp === false) {
        throw new InvalidArgumentException('Invalid timestamp: ' . $sample[0] . '. Timestamp should be in the format yyyy-mm-dd');
    }
    // 计算相对天数
    $relativeDays = floor(($timestamp - $baseTimestamp) / (60*60*24));
    return [$relativeDays, $sample[1]];
}, $data['samples']);

// 生成新样本时也用相对天数
$currentTimestamp = strtotime(date('Y-m-d'));
$relativeDays = floor(($currentTimestamp - $baseTimestamp) / (60*60*24));
$newSample = [$relativeDays, 1];

内容的提问来源于stack exchange，提问作者Mark