迷你项目：使用 Keras 分析 IMDB 电影数据

现在，你已经准备就绪了！ 在这一项目中，我们将分析一个来自 IMDB 的数据集，并用它来预测评论的情感分析。

工作区

你可以在教室中打 Notebook，然后转到下一个节点。 但是如果你想单独打开它，你可以从GitHub仓库克隆材料，在其中打开** IMDB_in_Keras.ipynb ** 。

数据集

本实验使用一个包含 25,000 条 IMDB评论的数据集。 每个评论都附带一个标签。 负面评论的标签为 0，正面评论的标签为 1。 这个实验的目标是创建一个模型，根据它的话来预测评论的情感。 你可以在Keras网站上看到关于这个数据集的更多信息。

现在，输入已经帮助我们很方便地进行预处理。 每个评论被编码为一系列索引，对应于评论中的单词。 词按频率排序，所以整数 1 对应于最频繁的词（“the”），整数 2 对应于第二频繁的词。按照惯例，整数0对应于未知词。

然后，你通过简单地连接这些整数，将句子变成一个向量。 比如，如果句子是“是或不是”。 这些词的索引如下：

• "to": 5
• "be": 8
• "or": 21
• "not": 3

那么，这个句子就会被编码为矢量[5,8,21,3,5,8]。

加载数据

在 Keras中数据得到预先加载，这意味着我们不需要手动打开或读取任何文件。 加载它的命令如下，实际上可以将单词分成训练、测试集和标签：

from keras.datasets import imdb
(x_train, y_train), (x_test, y_test) = imdb.load_data(path="imdb.npz",
                                                     num_words=None,
                                                     skip_top=0,
                                                     maxlen=None,
                                                     seed=113,
                                                     start_char=1,
                                                     oov_char=2,
                                                     index_from=3)

所有这些参数说明可以在这里查看。总而言之，最重要的是：

• ** num_words **：要考虑的最常见的单词。如果你不想考虑一些很晦涩的词汇，比如“Ultracrepidarian”，这会很有用。
• ** skip_top **：忽略的热门词汇。如果你不想考虑最常见的词，这会很有用。比如，单词“the”将不会在评论中添加任何信息，所以我们可以通过将skip_top 设置为 2 或更高来跳过它。

预处理数据

在 notebook中，我们首先将数据编码为 (0,1) - 向量，编码如下：例如，如果我们的词汇量为10个词，向量为(4,1,8) ，我们将它变成矢量 (1,0,0,1,0,0,0,1,0,0)。

建立模型

现在轮到你使用所有你学到的东西了！你可以使用 Keras 建立一个神经网络，对它进行训练并评估！你需要使用诸如丢弃或正则化的方法，并且使用好的 Keras 优化器来实现这一点。准确度可以达到 85％。你的模型能实现这个吗？

如果你需要帮助，你可以在** IMDB_in_Keras_Solutions **notebook中查看我们的解决方案。有许多解决方案都有用，可以随时创造性地发挥作用！