keras IMDB数据集 LSTM分类

在keras提供的IMDB数据集中，word被映射为一个大于0的整数，表示该单词出现频率的排名，这样处理的目的是为了方便按照词频过滤单词，其中0用于表示unknown word

载入数据
x_train.shape=(25000,) 是一个25000维的向量，每个元素是一个int型的list，表示该样本的word sequence
y_train.shape=(25000,) 是一个25000维的向量，其中包含12500个0，12500个1
x_test.shape=(25000,)
y_test.shape=(25000,) 包含12500个0，12500个1

调用sequence.pad_sequences对样本进行处理，使得所有样本的word sequence为指定长度（此处为80）
比指定长度短的word sequence填充0
比指定长度长的word sequence直接截断
x_train.shape=(25000, 80)
x_test.shape=(25000, 80)

model的第1层为Embedding层，将一个正整数编码为一个dense vector
输入：(batch_size, sequence_length)
输出：(batch_size, sequence_length, output_dim)

以x_train输入到Embedding( input_dim=200000, output_dim=128 )为例，input_dim表示正整数的最大值+1，output_dim为dense vector的维度
输入：x_train.shape=(25000, 80)
输出：x_train_embedding.shape=(25000, 80, 128)

在Embedding层之上添加
model.add( LSTM( 128, dropout=0.2, recurrent_dropout=0.2 ) )
model.add( Dense( 1, activation=’sigmoid’ ) )

源代码见https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py