CS_ALearn/ailearning
1
0
Fork 0
mirror of https://github.com/apachecn/ailearning.git synced 2026-04-04 02:59:18 +08:00
Code Issues Projects Releases Wiki Activity

Update 实战项目_1_电影情感分类.md

Browse Source 
typo correction.
This commit is contained in:
YHhhh
2020-07-14 00:15:49 +01:00
committed by GitHub
parent c5ea92f5e7
commit 1dd783bd1f
1 changed files with 1 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
docs/TensorFlow2.x/实战项目_1_电影情感分类.md
View File

@@ -5,7 +5,7 @@ Note: 我们的 TensorFlow 社区翻译了这些文档。因为社区翻译是
[tensorflow/docs](https://github.com/tensorflow/docs) GitHub 仓库。要志愿地撰写或者审核译文，请加入
[docs-zh-cn@tensorflow.org Google Group](https://groups.google.com/a/tensorflow.org/forum/#!forum/docs-zh-cn)。
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，一种重要且应用广泛的机器学习问题。
此笔记本（notebook）使用评论文本将影评分为*积极（positive）*或*消极（negative）*两类。这是一个*二元（binary）*或者二分类问题，一种重要且应用广泛的机器学习问题。
我们将使用来源于[网络电影数据库（Internet Movie Database）](https://www.imdb.com/)的 [IMDB 数据集（IMDB dataset）](https://tensorflow.google.cn/api_docs/python/tf/keras/datasets/imdb)，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。训练集与测试集是*平衡的（balanced）*，意味着它们包含相等数量的积极和消极评论。