load_data 函数keras.datasets.imdb.load_data(
path="imdb.npz",
num_words=None,
skip_top=0,
maxlen=None,
seed=113,
start_char=1,
oov_char=2,
index_from=3,
**kwargs
)
加载 IMDB 数据集。
这是一个包含 25,000 条来自 IMDB 的电影评论数据集，按情感（正面/负面）进行标记。评论已经过预处理，每条评论都编码为词索引（整数）列表。为方便起见，词语按数据集中总体频率进行索引，例如整数“3”表示数据中第 3 个最常出现的词。这允许进行快速过滤操作，例如：“只考虑最常见的 10,000 个词，但排除最常见的 20 个词”。
约定上，“0”不代表特定词，而是用于编码填充标记。
参数
~/.keras/dataset）。num_words 个最常出现的词。任何出现频率较低的词将以 oov_char 值出现在序列数据中。如果为 None，则保留所有词。默认为 None。oov_char 值出现在数据集中。当为 0 时，不跳过任何词。默认为 0。None。1。num_words 或 skip_top 限制而被切除的词语将替换为此字符。返回
(x_train, y_train), (x_test, y_test)。x_train, x_test：序列列表，即索引（整数）列表。如果指定了 num_words 参数，则最大可能的索引值为 num_words - 1。如果指定了 maxlen 参数，则最大可能的序列长度为 maxlen。
y_train, y_test：整数标签列表（1 或 0）。
注意： “词汇外”字符仅用于存在于训练集中但因未达到 num_words 限制而被排除的词。在训练集中未出现但在测试集中出现的词语已被简单跳过。
get_word_index 函数keras.datasets.imdb.get_word_index(path="imdb_word_index.json")
获取一个将词语映射到其在 IMDB 数据集中索引的字典。
参数
~/.keras/dataset）。返回
词语索引字典。键是词语字符串，值是其索引。
示例
# Use the default parameters to keras.datasets.imdb.load_data
start_char = 1
oov_char = 2
index_from = 3
# Retrieve the training sequences.
(x_train, _), _ = keras.datasets.imdb.load_data(
start_char=start_char, oov_char=oov_char, index_from=index_from
)
# Retrieve the word index file mapping words to indices
word_index = keras.datasets.imdb.get_word_index()
# Reverse the word index to obtain a dict mapping indices to words
# And add `index_from` to indices to sync with `x_train`
inverted_word_index = dict(
(i + index_from, word) for (word, i) in word_index.items()
)
# Update `inverted_word_index` to include `start_char` and `oov_char`
inverted_word_index[start_char] = "[START]"
inverted_word_index[oov_char] = "[OOV]"
# Decode the first sequence in the dataset
decoded_sequence = " ".join(inverted_word_index[i] for i in x_train[0])