qq_52441682的博客

实验采用的是路透社数据集，它包含46个不同的主题，每个主题至少有10个样本，训练集有8982个样本，测试集有2246个样本数据集中的新闻内容同样经过了预处理，由单词序列转化为了整数序列数据集与上一个实验基本一致，仅仅是labels有差异，之前由于是二分类问题所以数组仅有01组成而此时为多分类问题，所以数组由0到45的整数组成，每个整数代指一个主题（这个指代是约定好了的）DeepLearing记录电影评论分类——二分类问题。...

2.数据展示——评论解码 二、数据处理与说明 1.train_data处理（列表处理） 根据上图所示，每条评论列表对应的长度不同，但神经网络使用的是连续批次的数据，所以要把列表转化为张量。 np.zero()一般用法 2.train_labels处理（标签向量化） 三、网络构建与说明 1.网络选择 2.参数选择与说明 一个隐藏单元是该层表示空间的一个维度，空间维度可以直观理解为“网络学习内部表示时所拥有的自由度”。 隐藏单元越多，网络越能学到更加复杂的表示，但网络的计算代价也会更大，而且可

使用Anaconda作为python环境管理，用于配置对应的虚拟环境 未说明横纵坐标的全部情况展示： 在13个数值特征中，我们选择第6个数值特征房间数作为横坐标，纵坐标为房屋价格（以$1000作为单位），以此进行具体展示: 2.标准化具体实现 2.参数说明 3.损失函数与优化器选择 五、小样本的K折验证 1.直接交叉验证的局限性 2.K折验证说明 3.代码具体实现与说明 （二）分区 （三）静默训练 以下为verbose参数为1时的运行截图： 七、训练最终模型 1.运行代码展