avg / total       0.94      0.94      0.94     10000 

 

Confusion Matrix... 

[[988   0   0   0   4   0   2   0   5   1] 

 [  0 990   1   1   1   1   0   6   0   0] 

 [  0   2 996   1   1   0   0   0   0   0] 

 [  2  71   1 731  51  20  88  28   3   5] 

 [  1   3   0   7 918  23   4  31   9   4] 

 [  1   3   0   3   0 964   3   5  21   0] 

 [  1   0   1   7   1   3 972   0   6   9] 

 [  0  16   0   0  22  26   0 931   2   3] 

 [  2   3   0   0   2   2  12   0 972   7] 

 [  0   3   1   1   7   3  11   5   9 960]] 

Time usage: 0:00:33 

在测试集上的精确率达到了94.22%，且各类的precision, recall和f1-score，除了家居这一类别，都跨越了0.9。

大年夜混淆矩阵可以看出分类效不雅异常优良。

比较两个模型，可见RNN除了在家居分类的表示不是很幻想，其他几个类别较CNN差别不大年夜。

【编辑推荐】

1. 深度强化进修入门：用TensorFlow构建你的第一个游戏AI
2. 深度进修的异构加快技巧（一）：AI 须要一个多大年夜的“心脏”？
3. 深度进修的异构加快技巧（二）：螺狮壳里做道场
4. 人工智能，机械进修和深度进修之间的差别是什么？
5. 深度进修之父Hinton宣布胶囊收集的最新进展，将重塑人工智能

【义务编辑：庞桂玉 TEL：（010）68476606】

　　推荐阅读

　　教你简单三招永别烦人的Windows 10自动更新

Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践 我们在客岁的夏天，也就是微软推送Windows 10周年更新的时刻写过一篇关于若何禁用Windows 10更新的文┞仿>>>详细阅读

本文标题：CNN与RNN对中文文本进行分类--基于TENSORFLOW实现

地址：http://www.17bianji.com/lsqh/39190.html

 1/2    1