利用IMDB資料進行SentimentAnalysis。

　　通過keras.datasets裡面下載，注意下載的結構，並進行預處理。

from keras.datasets import imdb
from keras import preprocessing

# Number of words to consider as features
max_features = 10000
# Cut texts after this number of words 
# (among top max_features most common words)
maxlen = 20

# Load the data as lists of integers.
(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)

　　x_train

• type: numpy.ndarray
• shape: (25000, )，每一個文字的長度不同，需要補充 0或者擷取，保證長度相同
• 都是由數字組成，數字與單詞對應

　　y_train:二分類 0和 1

　　需要對文字長度進行調節

# This turns our lists of integers
# into a 2D integer tensor of shape `(samples, maxlen)`
x_train = preprocessing.sequence.pad_sequences(x_train, maxlen=maxlen)
x_test = preprocessing.sequence.pad_sequences(x_test, maxlen=maxlen)

　　長度設定為maxlen=20。

　　得到的矩陣可以直接作為Embedding層的輸入資料。

參考：填充序列pad_sequences

語法：

keras.preprocessing.sequence.pad_sequences(sequences, maxlen=None, dtype='int32',
    padding='pre', truncating='pre', value=0.)

　　將長為nb_samples的序列（標量序列）轉化為形如(nb_samples,nb_timesteps)2D numpy array。如果提供了引數maxlen，nb_timesteps=maxlen

引數：

• sequences：浮點數或整數構成的兩層巢狀列表

• maxlen：None或整數，為序列的最大長度。大於此長度的序列將被截短，小於此長度的序列將在後部填0.

• dtype：返回的numpy array的資料型別

• padding：‘pre’或‘post’，確定當需要補0時，在序列的起始還是結尾補

• truncating：‘pre’或‘post’，確定當需要截斷序列時，從起始還是結尾截斷

• value：浮點數，此值將在填充時代替預設的填充值0

返回值：

　　返回形如(nb_samples,nb_timesteps)的2D張量

舉例：　　

>>> a = np.array([[2, 3],
		  [3, 4, 6],
		  [7, 8, 9, 10]])
>>> a
array([list([2, 3]), list([3, 4, 6]), list([7, 8, 9, 10])], dtype=object)
>>> import keras
Using TensorFlow backend.
>>> b = keras.preprocessing.sequence.pad_sequences(a, maxlen=10)
>>> b
array([[ 0,  0,  0,  0,  0,  0,  0,  0,  2,  3],
       [ 0,  0,  0,  0,  0,  0,  0,  3,  4,  6],
       [ 0,  0,  0,  0,  0,  0,  7,  8,  9, 10]])
>>> c = keras.preprocessing.sequence.pad_sequences(a, maxlen=10, padding='post')
>>> c
array([[ 2,  3,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 3,  4,  6,  0,  0,  0,  0,  0,  0,  0],
       [ 7,  8,  9, 10,  0,  0,  0,  0,  0,  0]])
>>> d = keras.preprocessing.sequence.pad_sequences(a, maxlen=3, padding='post')
>>> d
array([[ 2,  3,  0],
       [ 3,  4,  6],
       [ 8,  9, 10]])
>>> e = keras.preprocessing.sequence.pad_sequences(a, maxlen=3)
>>> e
array([[ 0,  2,  3],
       [ 3,  4,  6],
       [ 8,  9, 10]])
>>> f = keras.preprocessing.sequence.pad_sequences(a, maxlen=3, padding='post', truncating='post')
>>> f
array([[2, 3, 0],
       [3, 4, 6],
       [7, 8, 9]])