tensorflow2之文本分类

将文本形式的影评分为“正面”或“负面”影评。

这是一个二元分类(又称为两类分类)的示例,也是一种重要且广泛适用的机器学习问题。

https://tensorflow.google.cn/tutorials/keras/basic_text_classification

 

TensorFlow 中包含 IMDB 数据集。我们已对该数据集进行了预处理,将影评(字词序列)转换为整数序列,其中每个整数表示字典中的一个特定字词。

该数据集已经过预处理:每个样本都是一个整数数组,表示影评中的字词。每个标签都是整数值 0 或 1,其中 0 表示负面影评,1 表示正面影评。

创建 text_classify.py

#encoding=utf-8
# https://tensorflow.google.cn/tutorials/keras/basic_text_classification
# TensorFlow 中包含 IMDB 数据集。我们已对该数据集进行了预处理,将影评(字词序列)转换为整数序列,其中每个整数表示字典中的一个特定字词。
# 每个样本都是一个整数数组,表示影评中的字词。每个标签都是整数值 0 或 1,其中 0 表示负面影评,1 表示正面影评。

import tensorflow as tf
from tensorflow import keras

import numpy as np

print(tf.__version__) # 2.0.0-beta1

imdb = keras.datasets.imdb

(train_data,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值