united20.3训练一个二元分类器.py

#问题：训练一个二分类的神经网络
#使用Keras 构建一个前馈神经网络，然后使用fit方法训练它

#加载库
import numpy as np
from  keras.datasets import  imdb
from  keras.preprocessing.text import  Tokenizer
from  keras import  models
from keras import  layers

#设定随机种子
np.random.seed(0)

#设定想要的特征数量
number_of_features =  1000

#从影评数据中加载数据和目标向量
(data_train,target_train),(data_test,target_test)=imdb.load_data(num_words=number_of_features)
#将影评数据转换为one-hot 编码过的特征矩阵
tokenizer = Tokenizer(num_words=number_of_features)
features_train = tokenizer.sequences_to_matrix(data_train,mode='binary')
features_test = tokenizer.sequences_to_matrix(data_test,mode='binary')

#创建神经网络对象
network = models.Sequential()
#添加使用RelU激活函数的全连接层
network.add(layers.Dense(units=16,activation="relu",input_shape=(number_of_features,)))

#添加使用ReLU激活函数的全连接层
network.add(layers.Dense(units=16,activation="relu"))
#添加使用sigmoid激活函数的全连接层
network.add(layers.Dense(units=1,activation="sigmoid"))

#编译神经网络
network.compile(loss="binary_crossentry",  #交叉编译
                optimizer="rmsprop",
                metrics=["accuracy"])
#训练神经网络
history = network.fit(features_train,
                      target_train,
                      epochs=3,
                      verbose=1,
                      batch_size=100,
                      validation_data=(features_test,target_test))