《Python 深度学习》3.4 电影评论分类：二分类问题（代码）

Classifying movie reviews: a binary classification example

        本节使用 IMDB 数据集，它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。

（由于是在Jupyter Notebook上直接copy下来的，所以使用时请记得注意。）

## 1. 加载IMDB数据集

import numpy as np
from tensorflow.keras.datasets import imdb
(train_data,train_labels),(test_data,test_labels)=imdb.load_data(num_words=10000)

train_data[0]

train_labels[0]

## 2. 将整数序列编码为二进制矩阵

def vectorize_sequences(sequences,dimension=10000): #创建一个形状为（len（sequences），dimension）的零矩阵
    results = np.zeros((len(sequences),dimension))
    for i, sequence in enumerate(sequences): #enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
        results[i,sequence]=1. #将result[i]的指定索引设为1
    return results

x_train = vectorize_sequences(trai