ケラを使用したRNNテキスト分類

Question

私は、このRNNテキスト分類システムをWebで利用可能なチュートリアルでケラで書いています。それは正常に動作しており、出力も表示されます。しかし、ある人が自分のコードをチェックして、私の実装が正しいかどうかを教えてもらえますか？

# LSTM with dropout for sequence classification 
import numpy 
from keras.models import Sequential 
from keras.layers import Dense, Activation 
from keras.layers import LSTM 
from keras.preprocessing import sequence,text 
from keras.layers.embeddings import Embedding 
import pandas as pd 


# fix random seed for reproducibility 
numpy.random.seed(7) 

#fetching sms spam dataset 
url = 'https://raw.githubusercontent.com/justmarkham/pydata-dc-2016-tutorial/master/sms.tsv' 
sms = pd.read_table(url, header=None, names=['label', 'message']) 

#binarizing 
sms['label_num'] = sms.label.map({'ham':0, 'spam':1}) 
sms.head() 

X = sms.message 
y = sms.label_num 
print(X.shape) 
print(y.shape) 

################################### 
tk = text.Tokenizer(nb_words=200, lower=True) 
tk.fit_on_texts(X) 

x = tk.texts_to_sequences(X) 

print len(tk.word_counts) 

################################### 
max_len = 80 
print "max_len ", max_len 
print('Pad sequences (samples x time)') 

x = sequence.pad_sequences(x, maxlen=max_len) 



max_features = 200 
model = Sequential() 
print('Build model...') 

model = Sequential() 
model.add(Embedding(max_features, 128, input_length=max_len, dropout=0.2)) 
model.add(LSTM(128, dropout_W=0.2, dropout_U=0.2)) 
model.add(Dense(1)) 
model.add(Activation('sigmoid')) 

model.compile(loss='binary_crossentropy', optimizer='rmsprop') 

model.fit(x, y=y, batch_size=500, nb_epoch=1, verbose=1, validation_split=0.2, show_accuracy=True, shuffle=True) 

Answer 1

「show_accuracy = True」という機能は推奨されていません。トレーニングとテスト中に精度を監視したい場合は、それをメトリックとして使用してください。メトリックはカスタムにすることもできますが、精度のようなものは事前に実装されています。 thiseのようにそれを使用します。

model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy']) 

あなたはcustumメトリック定義した場合：

def my_metric(y_pred, y_true): 
    .... 
    return metric_computed 

をあなたはこのようにそれを使用することができ、それは精度と同じ時間（およびデフォルトによる損失で計算されます）トレーニング中：

model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy',my_metric]) 

は、そうでなければ実装が良い:)