From 1dd783bd1f84e4833da8be727671b568ade8bce7 Mon Sep 17 00:00:00 2001
From: YHhhh <47422999+YHJYH@users.noreply.github.com>
Date: Tue, 14 Jul 2020 00:15:49 +0100
Subject: [PATCH] =?UTF-8?q?Update=20=E5=AE=9E=E6=88=98=E9=A1=B9=E7=9B=AE?=
 =?UTF-8?q?=5F1=5F=E7=94=B5=E5=BD=B1=E6=83=85=E6=84=9F=E5=88=86=E7=B1=BB.m?=
 =?UTF-8?q?d?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

typo correction.
---
 docs/TensorFlow2.x/实战项目_1_电影情感分类.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/TensorFlow2.x/实战项目_1_电影情感分类.md b/docs/TensorFlow2.x/实战项目_1_电影情感分类.md
index 4de0fd6d..2bb35b58 100644
--- a/docs/TensorFlow2.x/实战项目_1_电影情感分类.md
+++ b/docs/TensorFlow2.x/实战项目_1_电影情感分类.md
@@ -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。