电影评论分类(二分类问题/IMDB 数据集)-python深度学习_原例
IMDB 数据集包含来自互联网电影数据库(IMDB)的 50 000 条严重两极分化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论,训练集和测试集都包含 50% 的正面评论和 50% 的负面评论。
MNIST 数据集(手写阿拉伯数字图像数据)一样,IMDB 数据集也内置于 Keras 库。它已经过预处理:评论(单词序列)已经被转换为整数序列,其中每个整数代表字典中的某个单词。
加载 IMDB 数据集
from keras.datasets import imdb
(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)
#是仅保留训练数据中前10 000 个最常出现的单词。低频单词将被舍弃。
#这样得到的向量数据不会太大,便于处理。
train_data 和 test_data 这两个变量都是评论组成的列表,每条评论又是单词索引组成的列表(表示一系列单词)。
train_data[0]
train_labels[0]
train_labels 和 test_labels 都是 0 和 1 组成的列表,其中 0代表负面(negative),1 代表正面(positive)。
max([max(sequence) for sequence in train_data])
将某条评论迅速解码为英文单词
word_index = imdb.get_word_index()#word_index 是一个将单词映射为整数索引的字典
reverse_word_index = di