本文介绍了使用爬虫技术采集数据后，如何通过预处理进行清洗，然后利用卷积神经网络进行深度建模，特别是探讨了卷积神经网络的结构特点（非全连接与权值共享），以及模型中关键层（如Embedding、Conv1D等）的应用。最后提到模型的准确率评估。
数据采集：
爬虫：
预处理：
数据展示：
经过处理后的数据：
数据建模：
卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的， 另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络，降低了网络模型的复杂度（对于很难学习的深层结构来说，这是非常重要的），减少了权值的数量。
核心代码：
本模型包括了一下几个关键层： Embedding层 Conv1D层 GlobalMaxPooling1D层 Dense层：添加全连接层 Dropout层： Dense层：最后一层Dense输出层
模型的准确率：
272
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
