文本分类实战（中)

之前用了词袋，逻辑回归，keras的词嵌入都不怎么行，都出现了过拟合

怎么解决过拟合

• Dropout抑制过拟合
• 正则化抑制过拟合
• 数据增强

之前的模型

model = Sequential()
model.add(layers.Embedding(input_dim=vocab_size,  # 2575 output_dim=embedding_dim, # 50 input_length=maxlen)) #5000
model.add(layers.Flatten())
model.add(layers.Dense(10, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.summary()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

还是对数据进行词嵌入，再pooling特征压缩

没错添加model.add(layers.GlobalMaxPool1D())

from keras.models import Sequential
from keras import layers

embedding_dim = 50

model = Sequential()
model.add(layers.Embedding(input_dim=vocab_size, 
  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
 

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/90212552