一、前提
The IMDB Movie Review Dataset
50K movie reviews (text).
Each review is labeled with either "positive"or “negative”.
It is a binary classification problem.（
分类问题）
25K for training and 25K for test.
http://ai.stanford.edu/~amaas/data/sentiment/
http://s3.amazonaws.com/text-datasets/acllmdb.zip
二、Text to Sequence（文本处理）
文本处理的好坏直接影响机器学习的准确率
2.1 Tokenization（分词）
把文本分隔为单词。
一个token(符号)就是一个单词或者字符。
2.2 Build Dictionary（建立一个字典）
可以首先统计词频，去掉低频词，然后让每一个单词对应每一个正整数，有了字典，就可以把每一个单词映射为每一个整数，这样一句话就可以用正整数的列表表示。而这个列表被称为sequences（序列）
2.3 One-Hot Encoding
如果有必要，可以进一步做one-hot encoding，把单词变为one-hot向量。
2.4 Align Sequences（对齐序列）
训练数据没有对齐，每个序列都有不同的长度，在做机器学习的时候，我们把数据存储在矩阵或者张量中，这就需要把序列对齐，每条序列都有相同的长度。
解决方法如下：
三、Word Embedding: Word to Vector（词嵌入：把单词表示成低维向量）
文本处理已经完成，每一个词都用一个正整数来表示。
3.1 One-Hot Encoding（one-hot 编码）
用one-hot向量来表示一个单词。
3.2 Word Embedding（词嵌入）
Embedding往往表示有降维的意思。
d表示词向量的维度，由用户自己决定；
v是字典里单词的数量；
矩阵的乘法结果计作向量Xi，其是一个词向量，维度为d；
P转置矩阵的每一列都是一个词向量。
参数矩阵p是从训练数据中学习到的，所以学习到的词向量会带有感情色彩。
四、Logistic Regression for Binary Classification（用逻辑回归做二分类）
判断电影评论是正面还是负面的。
4.1 Performance on the training and validation sets（训练和验证集的表现）
4.2 Performance on test set（测试集表现）
4.3 Logistic Regression for Sentiment Analysis
