tf.keras.datasets.reuters.load_data

Загружает набор данных о классификации новостных лент Reuters.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.datasets.reuters.load_data

tf.keras.datasets.reuters.load_data(
    path='reuters.npz',
    num_words=None,
    skip_top=0,
    maxlen=None,
    test_split=0.2,
    seed=113,
    start_char=1,
    oov_char=2,
    index_from=3,
    **kwargs
)

Это набор данных из 11 228 новостных лент Reuters, помеченных более чем по 46 темам.

Первоначально он был сгенерирован путем парсинга и предварительной обработки классического набора данных Reuters-21578, но код предварительной обработки больше не входит в пакет Keras. См. эту обсуждение на GitHub для получения дополнительной информации.

Каждая новостная лента закодирована как список индексов слов (целых чисел). Для удобства слова индексируются по общей частоте в наборе данных, так что, например, целое число «3» кодирует третье по частоте слово в данных. Это позволяет быстро выполнять операции фильтрации, такие как: «рассмотреть только 10 000 наиболее часто встречающихся слов, но исключить 20 наиболее часто встречающихся слов».

По соглашению «0» не обозначает конкретное слово, а используется для кодирования любого неизвестного слова.

Аргументы
`path`	место для кеширования данных (относительно `~/.keras/dataset`).
`num_words`	целое число или None. Слова ранжируются по частоте их появления (в обучающем наборе), и сохраняются только `num_words` наиболее часто встречающихся слов. Любое менее частое слово будет отображаться как значение `oov_char` в данных последовательности. Если None, сохраняются все слова. По умолчанию None, поэтому сохраняются все слова.
`skip_top`	пропустить первые N наиболее часто встречающихся слов (которые могут быть неинформативными). Эти слова будут отображаться как значение `oov_char` в наборе данных. По умолчанию 0, поэтому слова не пропускаются.
`maxlen`	целое число или None. Максимальная длина последовательности. Любая более длинная последовательность будет усечена. По умолчанию None, что означает отсутствие усечения.
`test_split`	число с плавающей запятой от 0 до 1. Доля набора данных, которая должна использоваться в качестве проверочного набора данных. По умолчанию 0,2, что означает, что 20% набора данных используются в качестве проверочного набора данных.
`seed`	целое число. Зерно для воспроизводимого перемешивания данных.
`start_char`	целое число. Начало последовательности будет помечено этим символом. По умолчанию 1, так как 0 обычно является символом заполнения.
`oov_char`	целое число. Символ вне словаря. Слова, которые были исключены из-за ограничений `num_words` или `skip_top`, будут заменены этим символом.
`index_from`	целое число. Индексировать фактические слова с этим индексом и выше.
`**kwargs`	Используется для обратной совместимости.

Возвращаемые значения
Кортеж массивов NumPy: `(x_train, y_train), (x_test, y_test)`.

x_train, x_test: списки последовательностей, которые являются списками индексов (целых чисел). Если был указан аргумент num_words, максимальное возможное значение индекса равно num_words - 1. Если был указан аргумент maxlen, максимальная возможная длина последовательности равна maxlen.

y_train, y_test: списки целочисленных меток (1 или 0).

Примечание: Символ «вне словаря» используется только для слов, которые присутствовали в обучающем наборе, но не включены, потому что они не прошли отбор num_words здесь. Слова, которые не встречались в обучающем наборе, но присутствуют в проверочном наборе, просто пропущены.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/datasets/reuters/load_data