輸入數據預處理_第1頁
輸入數據預處理_第2頁
輸入數據預處理_第3頁
輸入數據預處理_第4頁
輸入數據預處理_第5頁
已閱讀5頁，還剩1頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

主講教師：楊國華無錫商業(yè)職業(yè)技術學院數據科學與機器學習輸入數據預處理路透社數據集加載數據了解數據010203路透社數據集這次使用的路透社數據集，它包含許多短新聞及其對應的主題，由路透社在1986年發(fā)布。它是一個簡單的，廣泛使用的文本分類數據集。它包括46個不同的主題：每個主題至少有10樣本，有些更多。與IMDB數據集一樣，參數num_words=10000將數據限定為前10000個最常出現的單詞。我們有8982個訓練樣本和2246個測試樣本。與IMDB評論一樣，每個樣本都是一個整數列表（表示單詞索引）加載數據fromtensorflow.keras.datasetsimportreutersimporttensorflowastf(train_data,train_labels),(test_data,test_labels)=reuters.load_data(num_words=10000)print(len(train_data))print(len(test_data))print(train_data[10])print(train_labels[10])與IMDB數據集一樣，參數num_words=10000將數據限定為前10000個最常出現的單詞。我們有8982個訓練樣本和2246個測試樣本。了解數據與IMDB評論一樣，每個樣本都是一個整數列表（表示單詞索引）如果你愿意，可以將一個樣本全部還原成單詞，成一條語句。注意，索引減去了3，是因為0、1、2是為padding(填充)、startofsequence(序列開始)、unknown(未知詞)分別保留的索引。word_index=reuters.get_word_index()reverse_word_index=dict([(value,key)for(key,value)inword_index.items()])decoded_newswire=''.join([reverse_word_index.get(i-3,'?')foriintrain_data[0]])print(decoded_newswire)樣本對應的標簽是

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論