十 Keras基础实例 电影评价预测

数据预处理

import keras
from keras import layers
import matplotlib.pyplot as plt
%matplotlib inline

data = keras.datasets.imdb ##引入keras内置的imdb电影数据集

max_word = 10000##指定加载最大10000个单词 我们不可能加载所有的单词评价，控制网络规模

(x_train, y_train), (x_test, y_test) = data.load_data(num_words=max_word)

查看数字

x_train.shape, y_train.shape

看一下第一个数据里面有什么

x_train[0]

是一大串数据，把每一个单词用序号代替，评论是一个正数组成的序列

y_train

y时由1和0组成的，1代表正面评价，0代表负面评价
看一下每一个序号对应的评论是什么，word与index的对应关系是什么

word_index = data.get_word_index() ##这里用了vpn下载

word_index

每个单词对应的序号，实际上我们只考虑了前10000个，实际上word和index是一个字典
我们把这个字典反转一下

index_word = dict((value, key) for key,value in word_index.items()) ##返回一个index_word

[index_word.get(index-3, '?') for index in x_train[0]] 

获取第一条评论内容，前三个对应的并不是单词是一些错误什么的，给舍弃

这就是第一条评论内容

首先获取word_index，再将其反转为index_word 对应的value和key

计算出每一条评论的单词长度

[len(seq) for seq in x_train]  

每一个评价中的单词我们都对其做了一个索引，这个索引的最大长度不会超过9999，规定最多不超过10000个单词

max([max(seq) for seq in x_train])

max(seq) for seq in x_train] ：选出每个评价中单词对应的索引最大值
max([max(seq) for seq in x_train])：选出所有评价最大值

最大是9999

文本的向量化

k-hot 编码

把每一条评论编码为长度为10000的向量，对于每一个评论，把里面对应的位置置为1,多个地方置为1

import numpy as np

def k_hot(seqs, dim=10000):  ##文本对应序列 转化向量维度
    result = np.zeros((len(seqs), dim))  ##文本长度 向量长度 为每一个电影评价建立一个10000的全零向量
    for i, seq in enumerate(seqs):## enumerate 
        result[i, seq] = 1  ##i代表的是第i条评论，seq指的是这个序列中的内容，结合起来就将seq中对应位置置为1
    return result

看一下np.zeros() 用法

enumerate对一个列表，既遍历索引又遍历元素。
将x_train用k_hot编码

x_train = k_hot(x_train)

x_train.shape

x_train变为了25000个10000维向量。之前单词编号对应的每一个位置变为1

看一下第一条训练评论内容

x_train[0]

x_train[0].shape

将x_test用k_hot编码

x_test = k_hot(x_test)

建立网络

model = keras.Sequential()
model.add(layers.Dense(32, input_dim=10000, activation='relu'))
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))
model.summary()

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['acc']
)
history = model.fit(x_train, y_train, epochs=15, batch_size=256, validation_data=(x_test, y_test))

plt.plot(history.epoch, history.history.get('loss'), c='r', label='loss')
plt.plot(history.epoch, history.history.get('val_loss'), c='b', label='val_loss')
plt.legend()

plt.plot(history.epoch, history.history.get('acc'), c='r', label='acc')
plt.plot(history.epoch, history.history.get('val_acc'), c='b', label='val_acc')
plt.legend()

出现了过拟合，可加入Dropout层抑制，或者减小网络容量