Python深度学习读书笔记-6.二分类问题

电影评论分类：二分类问题

 

加载 IMDB 数据集

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

 

将整数序列编码为二进制矩阵（One-hot编码）

import numpy as np
def vectorize_sequences(sequences, dimension=10000):
        results = np.zeros((len(sequences), dimension))    #创建一个形状为(len(sequences),dimension) 的零矩阵
        for i, sequence in enumerate(sequences):
                results[i, sequence] = 1.   #将 results[i] 的指定索引设为 1
        return results
x_train = vectorize_sequences(train_data)   #将训练数据向量化
x_test = vectorize_sequences(test_data)     #将测试数据向量化

 

 

将标签向量化

y_train = np.asarray(train_labels).astype('float32')
y_test = np.asarray(test_labels).astype('float32')

 

 

构建网络

模型定义

from keras import models
from keras import layers
model = models.Sequential()
model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(16, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid’))

 

 

编译模型

1. 使用默认优化器
   

model.compile(optimizer='rmsprop’,  loss='binary_crossentropy’,  metrics=['accuracy'])

 

 

2. or使用配置优化器
   

from keras import optimizers
model.compile(optimizer=optimizers.RMSprop(lr=0.001),  loss='binary_crossentropy’,   metrics=['accuracy'])

 

 

3. or使用自定义的损失和指标
   

from keras import losses
from keras import metrics
model.compile(optimizer=optimizers.RMSprop(lr=0.001),  loss=losses.binary_crossentropy,  metrics=[metrics.binary_accuracy])

 

 

留出验证集

x_val = x_train[:10000]
partial_x_train = x_train[10000:]
 
y_val = y_train[:10000]
partial_y_train = y_train[10000:]

 

 

训练模型

history = model.fit(partial_x_train,
                                partial_y_train,
                                epochs=20,
                                batch_size=512,
                                validation_data=(x_val, y_val))

 

 

绘制训练损失和验证损失

import matplotlib.pyplot as plt
history_dict = history.history
loss_values = history_dict['loss']
val_loss_values = history_dict['val_loss']
epochs = range(1, len(loss_values) + 1)
plt.plot(epochs, loss_values, 'bo', label='Training loss’)           # 'bo' 表示蓝色圆点
plt.plot(epochs, val_loss_values, 'b', label='Validation loss’)      # 'b' 表示蓝色实线
plt.title('Training and validation loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()

 

 

 

 

 

绘制训练精度和验证精度

plt.clf()

acc = history_dict['accuracy']

val_acc = history_dict['val_accuracy']

plt.plot(epochs, acc, 'bo', label='Training acc')

plt.plot(epochs, val_acc, 'b', label='Validation acc')

plt.title('Training and validation accuracy')

plt.xlabel('Epochs')

plt.ylabel('Accuracy')

plt.legend()

plt.show() 

 

 

 

 

为了防止过拟合，你可以在 3 轮之后停止训练。

 

从头开始重新训练一个模型

model = models.Sequential()
model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(16, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop',
                        loss='binary_crossentropy',
                        metrics=['accuracy'])
model.fit(x_train, y_train, epochs=4, batch_size=512)
results = model.evaluate(x_test, y_test)

最终结果如下所示。

>>> results

[0.2929924130630493, 0.88327999999999995]

这种相当简单的方法得到了 88% 的精度。利用最先进的方法，你应该能够得到接近 95% 的

精度。

 

 

使用训练好的网络在新数据上生成预测结果

>>> model.predict(x_test)

array([[ 0.98006207]

[ 0.99758697]

[ 0.99975556]

...,

[ 0.82167041]

[ 0.02885115]

[ 0.65371346]], dtype=float32)