Python学习笔记 新闻分类：单标签多分类问题

 Python学习笔记 新闻分类：单标签多分类问题

 

在执行import命令的时候疯狂报错，说无法从网站上下载数据。于是手动输入该网址（https://s3.amazonaws.com/text-datasets/reuters.npz）下载。得到文件reuters.npz，放入文件夹    /home/你的用户名/.keras/datasets  中，再import就可以了。

#Jupyter引入以使用matplotlib
%matplotlib inline

#导入数据集
from keras.datasets import reuters
(train_data, train_labels), (test_data, test_labels) = reuters.load_data(
num_words=10000)

#将索引解码为新闻文本
word_index = reuters.get_word_index()
reverse_word_index = dict([(value, key) for (key, value) in word_index.items()])
decoded_newswire = ' '.join([reverse_word_index.get(i - 3, '?') for i in
train_data[0]])

#将训练和测试标签向量化
from keras.utils.np_utils import to_categorical

one_hot_train_labels = to_categorical(train_labels)
one_hot_test_labels = to_categorical(test_labels)

向量化前后：

比如train_labels第一个数字是3,那么one_hot_train_labels第一个向量的第[3]个元素是1。

 

#模型定义，使用包含64个单位的维度更大的层，输出46个类别。
from keras import models
from keras import layers
model = models.Sequential()
model.add(layers.Dense(64, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(46, activation='softmax'))


#编译模型
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])

#留出验证集
x_val = x_train[:1000]
partial_x_train = x_train[1000:]
y_val = one_hot_train_labels[:1000]
partial_y_train = one_hot_train_labels[1000:]

#训练20轮
history = model.fit(partial_x_train,
partial_y_train,
epochs=20,
batch_size=512,
validation_data=(x_val, y_val))

#绘制训练损失和验证损失
import matplotlib.pyplot as plt
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(1, len(loss) + 1)
plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()

#绘制训练精度和验证精度
plt.clf()
acc = history.history['acc']
val_acc = history.history['val_acc']
plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.xlabel('Epochs')
plt.ylabel('Accuracy')
plt.legend()
plt.show()

可以看出大概在第九轮开始出现过拟合。

#从头开始训练一个模型（9个轮次）
model = models.Sequential()
model.add(layers.Dense(64, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(46, activation='softmax'))
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
model.fit(partial_x_train,
partial_y_train,
epochs=9,
batch_size=512,
validation_data=(x_val, y_val))
results = model.evaluate(x_test, one_hot_test_labels)

精度大约是78%。

 

进一步实验：

1. 若使用的隐藏层为3层：

若为1层：

 

1. 若使用 32个隐藏单元：

若使用128个隐藏单元：

 

#在新数据上生成预测结果
predictions = model.predict(x_test)
#predictions 中的每个元素都是长度为 46 的向量。
print(predictions[0].shape)

#这个向量的所有元素总和为 1。

print(np.sum(predictions[0]))

#最大的元素就是预测类别,即概率最大的类别。
print(np.argmax(predictions[0]))

代码：https://github.com/GiveMeLuna/deeplearning.git