新闻文章分类
在本练习中，您将创建一个多分类模型。
数据集已作为 news_novel 加载到环境中。训练数据的所有预处理也都已完成，tokenizer 同样可用。
一个 RNN 模型已按以下结构进行了预训练：使用 Embedding 层、一个 LSTM 层，以及输出的 Dense 层，目标为 3 个类别：sci.space、alt.atheism 和 soc.religion.christian。该已训练模型的权重保存在 classify_news_weights.h5 文件中。
您将对新的数据进行预处理，并在新的数据集 news_novel 上进行评估。
本练习是课程的一部分
使用 Keras 构建语言建模的循环神经网络（RNN）
练习说明
- 使用已加载的
tokenizer转换news_novel.data中的数据。 - 对得到的数值索引序列进行填充（pad）。
- 将
news_novel.target中的标签转换为 one-hot 表示。 - 使用
.evaluate()方法评估模型，并打印得到的损失和准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Change text for numerical ids and pad
X_novel = tokenizer.texts_to_sequences(____)
X_novel = pad_sequences(____, maxlen=400)
# One-hot encode the labels
Y_novel = to_categorical(____)
# Load the model pre-trained weights
model.load_weights('classify_news_weights.h5')
# Evaluate the model on the new dataset
loss, acc = model.____(X_novel, Y_novel, batch_size=64)
# Print the loss and accuracy obtained
print("Loss:\t{0}\nAccuracy:\t{1}".format(____, ____))