参考项目：文本分类

1.加载数据

此数据集为在excel中随机生成的数据
cj.xlsx

数据处理如下：（文件名data_load.py)

# coding=utf-8
import xlrd
data = xlrd.open_workbook('cj.xlsx')
# 查看工作表
data.sheet_names()
# print("sheets：" + str(data.sheet_names()))
# print(data.sheet_names())
# 通过文件名获得工作表,获取工作表1
# table = data.sheet_by_name('Sheet1')
# 打印data.sheet_names()可发现，返回的值为一个列表，通过对列表索引操作获得工作表1
table = data.sheet_by_index(0)
# 获取行数和列数
# 行数：table.nrows
# 列数：table.ncols
# print("总行数：" + str(table.nrows))
# print("总列数：" + str(table.ncols))
# 获取整行的值 和整列的值，返回的结果为数组
# 整行值：table.row_values(start,end)
# 整列值：table.col_values(start,end)
# 参数 start 为从第几个开始打印，
# end为打印到那个位置结束，默认为none
# print("整行值：" + str(table.row_values(0)))
# print("整列值：" + str(table.col_values(1)))
# 获取某个单元格的值，例如获取B3单元格值
# cel_B3 = table.cell(3,2).value
# print("第三行第二列的值：" + str(cel_B3))
def get_data():
    labels = []
    inputs = []
    for rowNum in range(1,table.nrows):
        rowVale = table.row_values(rowNum)
        inputs.append([rowVale[:3]])
        labels.append([rowVale[-1]])
    return inputs,labels

2.创建模型 、训练模型

代码

# coding=utf-8
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as  tf
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(3))
model.add(tf.keras.layers.Dropout(0.5))
model.build((None,3))
model.summary()
print(model.summary())
model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])
#创建验证集
from data_load import get_data
inputs,labels = get_data()
train_data = inputs[:4000]
train_label = labels[:4000]
val_data = inputs[4000:]
val_label = labels[4000:]
model.fit(train_data,
                    train_label,
                    epochs=100,
                    batch_size=64,
                    validation_data=(val_data, val_label),
                    verbose=1)

运行结果

参数个数

loss及accuracy