is_dnn_brigada5/lw4 is/lw4.ipynb

import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
 raise SystemError('GPU device not found')
print('Found GPU at: {}'.format(device_name))

import os
import random
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.datasets import imdb
from tensorflow.keras.preprocessing.sequence import pad_sequences
from sklearn.metrics import classification_report, roc_curve, auc, roc_auc_score

print("TensorFlow version:", tf.__version__)

k = 5
seed = 4 * k - 1

vocabulary_size = 5000
index_from = 3

(X_train, y_train), (X_test, y_test) = imdb.load_data(
    path="imdb.npz",
    num_words=vocabulary_size,
    skip_top=0,
    maxlen=None,
    seed=seed,
    start_char=1,
    oov_char=2,
    index_from=index_from
)

print("Размеры: X_train={}, y_train={}, X_test={}, y_test={}".format(
    X_train.shape, y_train.shape, X_test.shape, y_test.shape))

# 3) Отобразить один отзыв в виде индексов и в виде текста; вывести длину и метку
# Сначала подготовим словарь id->word
word_to_id = imdb.get_word_index()
word_to_id = {key: (value + index_from) for key, value in word_to_id.items()}
word_to_id["<PAD>"] = 0
word_to_id["<START>"] = 1
word_to_id["<UNK>"] = 2
word_to_id["<UNUSED>"] = 3
id_to_word = {value: key for key, value in word_to_id.items()}

some_index = 0  # индекс примера в X_train; при необходимости изменить
review_indices = X_train[some_index]
print("Отзыв (список индексов):", review_indices)
review_text = ' '.join(id_to_word.get(i, "<UNK>") for i in review_indices)
print("\nОтзыв (текст):\n", review_text)
print("\nДлина отзыва (число индексов):", len(review_indices))
print("Меткa класса (y):", y_train[some_index],
      "- название класса:", ("Positive" if y_train[some_index] == 1 else "Negative"))

# 4) Максимальная и минимальная длина отзыва в обучающем множестве
max_len = len(max(X_train, key=len))
min_len = len(min(X_train, key=len))
print("Максимальная длина отзыва (в индексах):", max_len)
print("Минимальная длина отзыва (в индексах):", min_len)

# 5) Предобработка — приведение к единой длине
max_words = 500
X_train_prep = pad_sequences(X_train, maxlen=max_words, value=0, padding='pre', truncating='post')
X_test_prep  = pad_sequences(X_test,  maxlen=max_words, value=0, padding='pre', truncating='post')
print("Форма X_train_prep:", X_train_prep.shape)
print("Форма X_test_prep:", X_test_prep.shape)

# 6) Проверка: максимальная и минимальная длина после предобработки
print("После предобработки: длина", X_train_prep.shape[1])

# 7) Показать тот же отзыв после предобработки и сравнить
prep_review_indices = X_train_prep[some_index]
print("Предобработанный отзыв (индексы):", prep_review_indices)
prep_review_text = ' '.join(id_to_word.get(i, "<PAD>") for i in prep_review_indices if i != 0)
print("\nПредобработанный отзыв (текст, без <PAD>):\n", prep_review_text)
print("\nДлина предобработанного отзыва:", len(prep_review_indices))

# 8) Вывести массивы и размерности
print("X_train_prep shape:", X_train_prep.shape)
print("X_test_prep shape: ", X_test_prep.shape)
print("y_train shape:", y_train.shape)
print("y_test shape: ", y_test.shape)
# Показать первые 3 примера предобработанных входов и меток
for i in range(3):
    print(f"\nПример {i} (индексы):", X_train_prep[i][:300], "...")
    print(f"Метка:", y_train[i])

# 9) Создание и обучение модели
vocab_size = vocabulary_size
embedding_dim = 32
input_length = max_words

model = keras.Sequential([
    layers.Embedding(input_dim=vocab_size, output_dim=embedding_dim, input_length=input_length),
    layers.LSTM(64),
    layers.Dropout(0.3),
    layers.Dense(1, activation='sigmoid')
])

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

# Обучение с выделением валидации
history = model.fit(
    X_train_prep, y_train,
    epochs=4,
    batch_size=64,
    validation_split=0.2,
    verbose=1
)

# 10) Оценка качества на тестовой выборке
# Оценка метрик
eval_results = model.evaluate(X_test_prep, y_test, verbose=1)
print("Результаты оценки на тесте (loss, accuracy):", eval_results)

# Получение "сырых" предсказаний и бинарных меток
y_score = model.predict(X_test_prep)
y_pred = [1 if y_score[i,0] >= 0.5 else 0 for i in range(len(y_score))]

# Отчёт о качестве классификации
print("\nClassification report:\n")
print(classification_report(y_test, y_pred, labels=[0,1], target_names=['Negative','Positive']))

# ROC-кривая и AUC
fpr, tpr, thresholds = roc_curve(y_test, y_score)
roc_auc = auc(fpr, tpr)
print("\nAUC ROC (ручной вычисление):", roc_auc)
print("AUC ROC (sklearn):", roc_auc_score(y_test, y_score))

# Построение ROC-кривой (в Colab отобразится график)
import matplotlib.pyplot as plt
plt.figure()
plt.plot(fpr, tpr)
plt.grid()
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC')
plt.show()

# ищем индекс отзыва, длина которого > 500
long_index = None
for i, review in enumerate(X_train):
    if len(review) > 500:
        long_index = i
        break

print("Найден индекс длинного отзыва:", long_index)
print("Исходная длина:", len(X_train[long_index]))

# исходные индексы
orig = X_train[long_index]

# преобразование индексов в текст
def to_text(indices):
    return ' '.join(id_to_word.get(i, "<UNK>") for i in indices)

print("\nИсходный отзыв (первые 50 индексов):")
print(orig[:50])
print("\nТекст (первые 50 токенов):")
print(to_text(orig[:50]))

print("\nИсходный отзыв (последние 50 индексов):")
print(orig[-50:])
print("\nТекст (последние 50 токенов):")
print(to_text(orig[-50:]))

# предобработанный вариант
prep = X_train_prep[long_index]

print("\nПредобработанный отзыв (длина):", len(prep))

print("\nПосле предобработки (первые 50 индексов):")
print(prep[:50])
print("\nТекст (первые 50 токенов после обрезания):")
print(to_text(prep[:50]))

print("\nПосле предобработки (последние 50 индексов):")
print(prep[-50:])
print("\nТекст (последние 50 токенов после обрезания):")
print(to_text(prep[-50:]))