多類別分類模型

使用 Keras 建立語言模型的循環神經網路（RNN）

David Cecchini

Data Scientist

情感分類模型回顧

# Build and compile the model
model = Sequential()

model.add(Embedding(10000, 128))

model.add(LSTM(128, dropout=0.2))

model.add(Dense(1, activation='sigmoid'))

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

模型架構

可沿用相同架構

# Build the model
model = Sequential()
model.add(Embedding(10000, 128))
model.add(LSTM(128, dropout=0.2))

# Output layer has `num_classes` units and uses `softmax`
model.add(Dense(num_classes, activation="softmax"))

# Compile the model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
...

20 News Group 資料集

20 News Groups 資料集

由 sklearn.datasets import fetch_20newsgroups 提供

# Import the function to load the data
from sklearn.datasets import fetch_20newsgroups

# Download train and test sets
news_train = fetch_20newsgroups(subset='train')

news_test = fetch_20newsgroups(subset='test')

20 News Group 資料集

資料包含下列屬性：

news_train.DESCR：文件說明。
news_train.data：文字資料。
news_train.filenames：檔案在磁碟上的路徑。
news_train.target：類別的數值索引。
news_train.target_names：類別的名稱。

文字資料前處理

# Import modules
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.utils import to_categorical

# Create and fit the tokenizer
tokenizer = Tokenizer()
tokenizer.fit_on_texts(news_train.data)

# Create the (X, Y) variables
X_train = tokenizer.texts_to_sequences(news_train.data)
X_train = pad_sequences(X_train, maxlen=400)
Y_train = to_categorical(news_train.target)

資料訓練

在訓練資料上訓練模型

# Train the model
model.fit(X_train, Y_train, 
          batch_size=64, epochs=100)

# Evaluate on test data
model.evaluate(X_test, Y_test)

一起來練習吧！

使用 Keras 建立語言模型的循環神經網路（RNN）