你对这个回答的评价是
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