我已经在我的PC上训练了imdb_lstm.py。 现在我想通过输入我自己的一些文本来测试训练有素的网络。我该怎么做? 谢谢!使用model.predict测试Keras情感分类
2
A
回答
6
所以你基本上需要做的是如下:
- Tokenize sequnces:将字符串转换为单词(特征):例如:“hello my name is georgio”to [“hello”,“my”,“name”,“is”,“georgio”]。
- 接下来,您想删除停用词(查看停用词是什么)。
- 这个阶段是可选的,它可能会导致错误的结果,但我认为这值得一试。遏制你的话(功能),这样你会减少功能的数量,这将导致更快的运行。再次,这是可选的,可能会导致一些失败,例如:如果您设置“停车”这个词,您将获得具有不同含义的“停车”。
- 接下来的事情是创建一个字典(检查Google)。每个单词都有一个唯一的编号,从这一点我们只会使用这个编号。
- 电脑只能理解数字,所以我们需要用他们的语言进行交谈。我们将从第4阶段开始取词典,并用我们的语料库中的每个单词替换其匹配的数字。
- 现在我们需要将我们的数据集分为两组:训练和测试集。其中一个(训练)将训练我们的NN模型,第二个(测试)将帮助我们弄清楚NN的优点。您可以使用Keras的交叉验证功能。
- 接下来的事情是定义什么是我们的NN可以作为输入获取的最大特征数量。凯拉斯称这个参数为'maxlen'。但是您不必手动执行此操作,Keras可以通过搜索您的语料库中最长的句子来自动执行此操作。
- 接下来,假设Keras发现你的语料库中最长的句子有20个单词(特征),你的一个句子是第一个阶段的例子,它的长度是5(如果我们将删除停用词它会更短),在这种情况下,我们需要添加零,实际上是15个零。这就是所谓的pad序列,我们这样做,所以每个输入序列的长度都是相同的。
1
这可能有帮助。 http://keras.io/models/
下面是一个示例用法。 How to use keras for XOR
也许你不得不UR文集转换成ndarray第一扔给你model.predict
从它似乎至今培养模式的model.predict输入应该是100个字语料代表字典中每个单词的索引。所以,如果你想与乌尔语料训练它,你必须根据这些字典乌尔语料库转换,看看结果是0或1
相关问题
- 1. Keras InceptionV3 model.predict
- 2. Keras - 是什么model.evaluate()和model.predict()
- 3. Keras model.predict始终为0
- 4. Keras - 学习情感数据后预测模型引发错误
- 5. 情感分析
- 6. 使用机器学习的情感分析分类器
- 7. 混乱矩阵 - 测试情感分析模型
- 8. 当使用Keras评估模型时测试分数与测试准确度
- 9. 使用Keras Python测试神经网络
- 10. 使用ImageDataGenerator时Keras分离火车测试集
- 11. 卷积神经网络不分类测试集keras
- 12. Keras分类器predict_proba()不符合预测()
- 13. 分类情感数据的来源?
- 14. 有监督学习的情感分类
- 15. C#情感分析
- 16. 我如何调用model.predict以Keras中存储的GPU数据
- 17. 如何使用Keras的多层感知器进行多级分类
- 18. 如何在Tensorflow中生成输出预测,就像keras中的model.predict一样?
- 19. Keras分类模型
- 20. 用于情感检测的数据集
- 21. 错误情感分析,使用R包 “情”
- 22. LingPipe和情感分析
- 23. 进入情感分析
- 24. C++情感分析库
- 25. python中的情感分析
- 26. Twitter的情感分析
- 27. Perl或Java情感分析
- 28. 测试感知性能
- 29. 帮助分类测试
- 30. 使用JMeter测试Java类
@PanuwatAssawinjaipetch请编辑您的答案以充实您评论中的信息。 – UmNyobe