TensorFlow与NLP（词袋模型：垃圾短信检测）

###开篇
昨天没有更新TensorFlow系列，有点跳票的意思，最近一直在参加一些小厂的算法工程师的面试，比较尴尬的是，昨天西山居的算法部门的老大直接觉得我比较水了，觉得我们在学校里面处理的文本和公司里面的差距太大了，搞得我一度无法释怀，老实说中文的文本处理还是存在很多的问题，而我也深度反省了一下自己的实战能力，同时也更加坚定地去完成这一系列博客。
既然是NLP，那么我还是先分享一下一个大厂的面试题，试着阐述一下RNN的缺点，LSTM解决的一些问题？这边先留一个疑问，当我们去实现RNN和LSTM的时候，再去解释它们的一些优缺点。结束我的废话，下面正式开始今天的博客。
###词袋模型
词是文本最基本的元素，当然中文的话就是字啦，不过我们处理中文的时候也是喜欢把文本分成一个个词语，也就是我们的分词任务，以后如果有机会分享一些基本的NLP任务的时候，我会具体的讲分词任务，并且分析一些代码。下面正式开始介绍我们今天的主角，词袋模型。还是老样子，刻板的大堆原理我不讲，大家通过代码感受，感性的介绍一下词袋模型，首先是字面意思，把一大堆词放在一个袋子里面，那么其实就默认它们其实是没有任何顺序的，每个词给个编号作为身份，大家无序地放在袋子里面。也算是一种词向量的表示啦，具体操作看代码啦。
###任务
介绍完我们的词袋模型，看看我们今天需要完成怎么样的任务。

• 数据集：sms+spam+collection，这边我会直接通过代码去下载
• 具体任务：垃圾短信检测
• 模型：我们之前讲过的逻辑回归模型，典型的二分类任务
• 特征：one-hot+词频

###代码

• 数据集的下载

save_file_name = os.path.join('C:\\Users\\Dave','temp_spam_data.csv')#路径名
if os.path.isfile(save_file_name):
    text_data = []
    with open(save_file_name, 'r') as temp_output_file:
        reader = csv.reader(temp_output_file)
        for row in reader:
            text_data.append(row)
else:
    zip_url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/00228/smsspamcollection.zip'
    r = requests.get(zip_url)
    z = ZipFile(io.BytesIO(r.content))
    file = z.read('SMSSpamCollection')
    # Format Data
    text_data = file.decode()
    text_data = text_data.encode('ascii',errors&#