Python深度学习案例1--电影评论分类(二分类问题)

原本打算一直在博客园上写博客，但是还是觉得多方开源比较好。于是csdn也上传一篇（毕竟csdn确实比博客园名气要大）。
我觉得把课本上的案例先自己抄一遍，然后将书看一遍。最后再写一篇博客记录自己所学过程的感悟。虽然与课本有很多相似之处。但自己写一遍感悟会更深

本节使用的是IMDB数据集，使用Jupyter作为编译器。这是我刚开始使用Jupyter，不得不说它的自动补全真的不咋地（以前一直用pyCharm）但是看在能够分块运行代码的份上，忍了。用pyCharm敲代码确实很爽，但是调试不好调试（可能我没怎么用心学），而且如果你完全不懂代码含义的话，就算你运行成功也不知道其中的含义，代码有点白敲的感觉，如果中途出现错误，有的时候很不好找（这是我在pyCharm上敲github上代码的领悟，有时候一敲两三百行，一运行报错，错误就不好找）。但是Jupyter就好一点，你可以使用多个cell,建议如果不打印一些东西，cell还是少一点，不然联想功能特别弱，敲代码特别难受。

1. 加载IMDB数据集
仅保留前10000个最常出现的单词，低频单词被舍弃

from keras.datasets import imdb
(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)

train_data[0]

train_labels[0]

单词索引不会超过10000

max([max(sequence) for sequence in train_data])

9999
下面这段代码：将某条评论迅速解码为英文单词

word_index = imdb.get_word_index()
reverse_word_index = dict([(value, key) for (key, value) in word_index.items()])
decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in trai