PaddlePaddle垃圾邮件处理实战（二） 前文回顾
在上篇文章中我们讲了如何用支持向量机对垃圾邮件进行分类，auc为73.3%，本篇讲继续讲如何用PaddlePaddle实现邮件分类，将深度学习方法运用到文本分类中。
构建网络模型用PaddlePaddle来构建网络模型其实很简单，首先得明确paddlepaddle的输入数据的格式要求，知道如何构建网络模型，以及如何训练。关于输入数据的预处理等可以参考我之前写的这篇文章【深度学习系列】PaddlePaddle之数据预处理。首先我们先采用一个浅层的神经网络来进行训练。
具体步骤读取数据
划分训练集和验证集
定义网络结构
打印训练日志
可视化训练结果
读取数据 在PaddlePaddle中，我们需要创建一个reador来读取数据，在上篇文章中，我们已经对原始数据处理好了，正负样本分别为ham.txt和spam.txxt，这里我们只需要加载数据即可。
代码实现：
# 加载数据 def loadfile(): # 加载正样本 fopen = open('ham.txt','r') pos = [] for line in fopen: pos.append(line) #加载负样本 fopen = open('spam.txt','r') neg = [] for line in fopen: neg.append(line) combined=np.concatenate((pos, neg)) # 创建label y = np.concatenate((np.ones(len(pos),dtype=int), np.zeros(len(neg),dtype=int))) return combined,y # 创建paddlepaddle读取数据的reader def reader_creator(dataset,label): def reader(): for i in xrange(len(dataset)): yield dataset[i,:],int(label[i]) return reader