[Kaggle DAY05]Real or Not? NLP with Disaster Tweets!

Kaggle 도전 5회차!

오늘은 CNN-LSTM모델에서 SimpleRNN모델로 바꾸어 테스트 해보았습니다.

 

첫번째 제출

model = Sequential()
model.add(Embedding(max_words, 100)) # 임베딩 벡터의 차원은 32
model.add(SimpleRNN(128)) # RNN 셀의 hidden_size는 32
model.add(Dense(2, activation='sigmoid')) 
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
history = model.fit(X_train_vec, y_train, epochs=3, batch_size=32, validation_split=0.1)

결과

 

두번째 제출

model2 = Sequential()
model2.add(Embedding(max_words, 100)) # 임베딩 벡터의 차원은 32
model2.add(SimpleRNN(128)) # RNN 셀의 hidden_size는 32
model2.add(Dense(2, activation='sigmoid')) 
model2.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
history = model2.fit(X_train_vec, y_train, epochs=1, batch_size=32, validation_split=0.1)

결과

 

세번째 제출

model2 = Sequential()
model2.add(Embedding(max_words, 100)) # 임베딩 벡터의 차원은 32
model2.add(SimpleRNN(64)) # RNN 셀의 hidden_size는 32
model2.add(Dense(2, activation='sigmoid')) 
model2.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
history2 = model2.fit(X_train_vec, y_train, epochs=1, batch_size=32, validation_split=0.1)

결과

 

네번째 제출

model2 = Sequential()
model2.add(Embedding(max_words, 100)) # 임베딩 벡터의 차원은 32
model2.add(SimpleRNN(32)) # RNN 셀의 hidden_size는 32
model2.add(Dense(2, activation='sigmoid')) 
model2.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
history2 = model2.fit(X_train_vec, y_train, epochs=1, batch_size=32, validation_split=0.1)

결과

 

다섯번째 제출

model2 = Sequential()
model2.add(Embedding(max_words, 100)) # 임베딩 벡터의 차원은 32
model2.add(SimpleRNN(32)) # RNN 셀의 hidden_size는 32
model2.add(Dense(2, activation='sigmoid')) 
model2.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
history2 = model2.fit(X_train_vec, y_train, epochs=1, batch_size=16, validation_split=0.1)

결과