第三章：神经网络入门
第三章：神经网络入门
1.二分类问题
这里介绍一个二分类问题，根据电影的评论，划分正面或负面的评论。
1.1 IMDB数据集
IMDB 数据集，包含来自互联网电影数据库（IMDB）的 50 000 条严重两极分化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论，训练集和测试集都包含 50% 的正面评论和 50% 的负面评论。
1.2 神经网络建模
from keras.datasets import imdb import numpy as np from keras import models from keras import layers import matplotlib.pyplot as plt #num_words=10000 的意思是仅保留训练数据中前 10 000 个最常出现的单词 #train_data和test_data 这两个变量都是评论组成的列表，每条评论又是单词索引组成 #的列表（表示一系列单词）。 train_labels 和 test_labels 都是 0 和 1 组成的列表，其中 0 #代表负面（negative）， 1 代表正面（positive） (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) def vectorize_sequences(sequences,dimension=10000): """ 把整数列表转为二进制矩阵 one-hot编码 """ results = np.zeros((len(sequences),dimension)) for i,sequence in enumerate(sequences): results[i,sequence] = 1. return results #输入数据转化为张量one-hot编码 x_train = vectorize_sequences(train_data) x_test = vectorize_sequences(test_data) #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 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 model.compile(optimizer='rmsprop',loss='binary_crossentropy',metrics=['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)) # 绘制训练损失与经验损失 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') plt.plot(epochs, val_loss_values, 'b', label='Validation loss') plt.title('Training and validation loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() #绘制训练精度与训练精度 plt.clf() acc = history_dict['acc'] val_acc = history_dict['val_acc'] 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()
结果如下：
由上图可知，模型在第3轮之后，发生了过拟合，所以可以提前终止模型的训练
model.fit(x_train, y_train, epochs=4, batch_size=512) results = model.evaluate(x_test, y_test)
model.predict(x_test)
执行结果如下：
测试集上的精度是: 0.88312
1.3 神经网络建模二分类问题总结
通常需要对原始数据进行大量预处理，以便将其转换为张量输入到神经网络中。单词序列可以编码为二进制向量，但也有其他编码方式。
- 带有 relu 激活的 Dense 层堆叠，可以解决很多种问题（包括情感分类），你可能会经常用到这种模型。
- 对于二分类问题（两个输出类别），网络的最后一层应该是只有一个单元并使用 sigmoid激活的 Dense 层，网络输出应该是 0~1 范围内的标量，表示概率值。
- 对于二分类问题的 sigmoid 标量输出，你应该使用 binary_crossentropy 损失函数。
- 无论你的问题是什么， rmsprop 优化器通常都是足够好的选择。这一点你无须担心。
- 随着神经网络在训练数据上的表现越来越好，模型最终会过拟合，并在前所未见的数据上得到越来越差的结果。一定要一直监控模型在训练集之外的数据上的性能。
2.多分类问题
2.1 路透社数据集
本节使用路透社数据集，它包含许多短新闻及其对应的主题，由路透社在 1986 年发布。它是一个简单的、广泛使用的文本分类数据集。它包括 46 个不同的主题：某些主题的样本更多，
但训练集中每个主题都有至少 10 个样本
2.2神经网络构建多分类模型
python代码如下：
from keras.datasets import reuters import numpy as np from keras import models from keras import layers import matplotlib.pyplot as plt from keras.utils.np_utils import to_categorical #num_words=10000 的意思是仅保留训练数据中前 10 000 个最常出现的单词 (train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000) def vectorize_sequences(sequences,dimension=10000): """ 把整数列表转为二进制矩阵 one-hot编码 """ results = np.zeros((len(sequences),dimension)) for i,sequence in enumerate(sequences): results[i,sequence] = 1. return results def to_one_hot(labels, dimension=46): """ 标签 one-hot 处理,类似于方法to_categorical """ results = np.zeros((len(labels),dimension)) for i,label in enumerate(labels): results[i,label] = 1. return results #输入数据转化为张量one-hot编码 x_train = vectorize_sequences(train_data) x_test = vectorize_sequences(test_data) #标签one-hot处理 one_hot_train_labels = to_categorical(train_labels) one_hot_test_labels = to_categorical(test_labels) #构建多分类网络 model = models.Sequential() model.add(layers.Dense(64,activation='relu',input_shape=(10000,))) model.add(layers.Dense(64,activation='relu')) model.add(layers.Dense(46,activation='softmax')) #编译模型 model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy']) #留出验证集 x_val = x_train[:1000] partial_x_train = x_train[1000:] y_val = one_hot_train_labels[:1000] partial_y_train = one_hot_train_labels[1000:] #训练模型 history = model.fit(partial_x_train, partial_y_train, epochs=20, batch_size=512, validation_data=(x_val, y_val)) # 绘制训练损失与经验损失 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') plt.plot(epochs, val_loss_values, 'b', label='Validation loss') plt.title('Training and validation loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() #绘制训练精度与训练精度 plt.clf() acc = history_dict['acc'] val_acc = history_dict['val_acc'] 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()
执行结果
第9轮后，过拟合了
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy']) model.fit(partial_x_train, partial_y_train, epochs=9, batch_size=512, validation_data=(x_val, y_val)) results = model.evaluate(x_test, one_hot_test_labels)
#在新数据集上预测
predictions = model.predict(x_test)
结果如下：
2.2神经网络构建多分类模型总结
- 如果要对 N 个类别的数据点进行分类，网络的最后一层应该是大小为 N 的 Dense 层。
- 对于单标签、多分类问题，网络的最后一层应该使用 softmax 激活，这样可以输出在 N个输出类别上的概率分布。
- 这种问题的损失函数几乎总是应该使用分类交叉熵。它将网络输出的概率分布与目标的真实分布之间的距离最小化。
- 处理多分类问题的标签有两种方法。
a.通过分类编码（也叫 one-hot 编码）对标签进行编码，然后使用 categorical_crossentropy 作为损失函数。
b.将标签编码为整数，然后使用 sparse_categorical_crossentropy 损失函数
- 如果你需要将数据划分到许多类别中，应该避免使用太小的中间层，以免在网络中造成信息瓶颈。
