基于卷积神经网络对文本数据集进行二分类,文本为两列分别为lebal和review,lebal为标签列,reveiw为内容列,对标签列进行读取,标签分别为0和1共两类,随机将两类别的各80%作为训练集,20%作为训练集,建立一个传统卷积神经网络,卷积核大小为3,池化层为平均池化,训练轮数为50,输出训练集和测试集每一轮的准确率和损失率并作一个折线图,基于PYtorch建立模型,给出详细的代码

时间: 2023-11-15 19:06:25 浏览: 37
好的,以下是一个基于PyTorch的传统卷积神经网络进行文本分类的示例代码: ```python import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import Dataset, DataLoader import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score import matplotlib.pyplot as plt # 定义数据集类 class TextDataset(Dataset): def __init__(self, reviews, labels): self.reviews = reviews self.labels = labels def __len__(self): return len(self.reviews) def __getitem__(self, idx): return self.reviews[idx], self.labels[idx] # 定义卷积神经网络模型 class CNN(nn.Module): def __init__(self, vocab_size, embedding_dim, num_filters, filter_sizes, output_dim, dropout): super().__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) self.convs = nn.ModuleList([ nn.Conv2d(in_channels=1, out_channels=num_filters, kernel_size=(fs, embedding_dim)) for fs in filter_sizes ]) self.fc = nn.Linear(len(filter_sizes) * num_filters, output_dim) self.dropout = nn.Dropout(dropout) def forward(self, x): x = self.embedding(x) x = x.unsqueeze(1) x = [nn.functional.avg_pool2d(nn.functional.relu(conv(x)), (x.shape[2], 1)).squeeze(3) for conv in self.convs] x = torch.cat(x, dim=1) x = self.dropout(x) x = self.fc(x) return x.squeeze(1) # 定义训练函数 def train(model, iterator, optimizer, criterion): epoch_loss = 0 epoch_acc = 0 model.train() for texts, labels in iterator: optimizer.zero_grad() predictions = model(texts) loss = criterion(predictions, labels.float()) acc = binary_accuracy(predictions, labels.float()) loss.backward() optimizer.step() epoch_loss += loss.item() epoch_acc += acc.item() return epoch_loss / len(iterator), epoch_acc / len(iterator) # 定义测试函数 def evaluate(model, iterator, criterion): epoch_loss = 0 epoch_acc = 0 preds = [] labels = [] model.eval() with torch.no_grad(): for texts, batch_labels in iterator: predictions = model(texts) loss = criterion(predictions, batch_labels.float()) acc = binary_accuracy(predictions, batch_labels.float()) epoch_loss += loss.item() epoch_acc += acc.item() preds += [1 if p > 0.5 else 0 for p in predictions.tolist()] labels += batch_labels.tolist() return epoch_loss / len(iterator), epoch_acc / len(iterator), preds, labels # 定义计算二元准确率的函数 def binary_accuracy(preds, y): rounded_preds = torch.round(torch.sigmoid(preds)) correct = (rounded_preds == y).float() acc = correct.sum() / len(correct) return acc # 读取数据集 data = pd.read_csv('data.csv') reviews = data['review'].values labels = data['label'].values # 将数据集划分为训练集和测试集 train_reviews, test_reviews, train_labels, test_labels = train_test_split(reviews, labels, test_size=0.2, random_state=42) # 构建词典 word2idx = {} idx2word = {} for i, word in enumerate(set(' '.join(train_reviews).split())): word2idx[word] = i + 2 idx2word[i + 2] = word word2idx['<pad>'] = 0 word2idx['<unk>'] = 1 idx2word[0] = '<pad>' idx2word[1] = '<unk>' # 将文本转换为数字序列 train_sequences = [[word2idx.get(word, 1) for word in review.split()] for review in train_reviews] test_sequences = [[word2idx.get(word, 1) for word in review.split()] for review in test_reviews] # 对数字序列进行填充,使其长度相同 train_sequences = torch.LongTensor([sequence + [0] * (100 - len(sequence))[:100] for sequence in train_sequences]) test_sequences = torch.LongTensor([sequence + [0] * (100 - len(sequence))[:100] for sequence in test_sequences]) # 将标签转换为0和1 train_labels = torch.FloatTensor(train_labels) test_labels = torch.FloatTensor(test_labels) # 定义超参数 VOCAB_SIZE = len(word2idx) EMBEDDING_DIM = 100 NUM_FILTERS = 100 FILTER_SIZES = [3] OUTPUT_DIM = 1 DROPOUT = 0.5 BATCH_SIZE = 64 NUM_EPOCHS = 50 # 创建数据集和数据加载器 train_dataset = TextDataset(train_sequences, train_labels) test_dataset = TextDataset(test_sequences, test_labels) train_loader = DataLoader(train_dataset, batch_size=BATCH_SIZE, shuffle=True) test_loader = DataLoader(test_dataset, batch_size=BATCH_SIZE) # 创建模型、优化器和损失函数 model = CNN(VOCAB_SIZE, EMBEDDING_DIM, NUM_FILTERS, FILTER_SIZES, OUTPUT_DIM, DROPOUT) optimizer = optim.Adam(model.parameters()) criterion = nn.BCEWithLogitsLoss() # 训练模型 train_losses = [] train_accs = [] test_losses = [] test_accs = [] for epoch in range(NUM_EPOCHS): train_loss, train_acc = train(model, train_loader, optimizer, criterion) test_loss, test_acc, preds, true_labels = evaluate(model, test_loader, criterion) train_losses.append(train_loss) train_accs.append(train_acc) test_losses.append(test_loss) test_accs.append(test_acc) print(f'Epoch: {epoch+1:02} | Train Loss: {train_loss:.3f} | Train Acc: {train_acc*100:.2f}% | Test Loss: {test_loss:.3f} | Test Acc: {test_acc*100:.2f}%') # 绘制折线图 plt.plot(train_losses, label='Train Loss') plt.plot(test_losses, label='Test Loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() plt.plot(train_accs, label='Train Acc') plt.plot(test_accs, label='Test Acc') plt.xlabel('Epochs') plt.ylabel('Accuracy') plt.legend() plt.show() # 计算评估指标 test_preds = [1 if p > 0.5 else 0 for p in preds] print('Test accuracy:', accuracy_score(true_labels, test_preds)) print('Test precision:', precision_score(true_labels, test_preds)) print('Test recall:', recall_score(true_labels, test_preds)) print('Test F1 score:', f1_score(true_labels, test_preds)) ``` 这段代码中,我们首先读取了CSV格式的数据集,并将其分为训练集和测试集。然后,我们构建了一个包含嵌入层、卷积层、全连接层和Dropout层的传统卷积神经网络,并使用Adam优化器和BCEWithLogitsLoss损失函数进行训练。在训练过程中,我们计算了每一轮的训练集和测试集的准确率和损失率,并将其保存在列表中。最后,我们使用Matplotlib绘制出训练集和测试集的准确率和损失率的折线图,并计算了测试集的准确率、精确率、召回率和F1分数。

相关推荐

最新推荐

recommend-type

android手机应用源码Imsdroid语音视频通话源码.rar

android手机应用源码Imsdroid语音视频通话源码.rar
recommend-type

营销计划汇报PPT,市场品牌 推广渠道 产品 营销策略tbb.pptx

营销计划汇报PPT,市场品牌 推广渠道 产品 营销策略tbb.pptx
recommend-type

JavaScript_超过100种语言的纯Javascript OCR.zip

JavaScript
recommend-type

JavaScript_跨平台React UI包.zip

JavaScript
recommend-type

node-v16.17.0-headers.tar.xz

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

可见光定位LED及其供电硬件具体型号,广角镜头和探测器,实验设计具体流程步骤,

1. 可见光定位LED型号:一般可使用5mm或3mm的普通白色LED,也可以选择专门用于定位的LED,例如OSRAM公司的SFH 4715AS或Vishay公司的VLMU3500-385-120。 2. 供电硬件型号:可以使用常见的直流电源供电,也可以选择专门的LED驱动器,例如Meanwell公司的ELG-75-C或ELG-150-C系列。 3. 广角镜头和探测器型号:一般可采用广角透镜和CMOS摄像头或光电二极管探测器,例如Omron公司的B5W-LA或Murata公司的IRS-B210ST01。 4. 实验设计流程步骤: 1)确定实验目的和研究对象,例如车辆或机器人的定位和导航。
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。