此笔记本（notebook）使用评论文本将影评分为积极（positive）或消极（nagetive）两类这是一个二元（binary）或者二分类问题，一种重要苴应用广泛的机器学习问题

我们将使用来源于的 ，其包含 50,000 条影评文本从该数据集切割出的 25,000 条评论用作训练，另外 25,000 条用作测试训练集與测试集是平衡的（balanced），意味着它们包含相等数量的积极和消极评论

此笔记本（notebook）使用了 ，它是一个 Tensorflow 中用于构建和训练模型的高级API此外还使用了 ，一个用于迁移学习的库和平台有关使用 进行文本分类的更高级教程，请参阅

我们来看下模型的表现如何。将返回两个值损失值（loss）（一个表示误差的数字，值越低越好）与准确率（accuracy）

这种十分朴素的方法得到了约 87% 的准确率（accuracy）。若采用更好的方法模型的准确率应当接近 95%。

有关使用字符串输入的更一般方法以及对训练期间准確率（accuracy）和损失值（loss）更详细的分析，请参阅