使用keras进行文本分类，我们可以直接训练文档术语矩阵吗？

Question

我正在尝试使用keras进行文本分类，我已经预处理了文本正确删除了停用词，删除了它们，删除了标点符号，创建了文档术语矩阵，我感到困惑的部分是否可以使用DTM直接训练我的模型？我得到一个非常奇怪的错误，我无法通过

model <- keras_model_sequential() 
  model %>% 
  layer_dense(units = 256, activation = 'relu', input_shape = c(784)) %>% 
  layer_dropout(rate = 0.4) %>% 
  layer_dense(units = 128, activation = 'relu') %>%
  layer_dropout(rate = 0.3) %>%
  layer_dense(units = 10, activation = 'softmax')

model %>% compile(
  loss = 'categorical_crossentropy',
  optimizer = optimizer_rmsprop(),
  metrics = c('accuracy')
)

history <- model %>% fit(
  dtm_train_most_frequent, train_labels, 
  epochs = 30, batch_size = 128, 
  validation_split = 0.2
)

我得到的错误是

Error in UseMethod("fit") : 
  no applicable method for 'fit' applied to an object of class "c('keras.engine.sequential.Sequential', 'keras.engine.training.Model', 'keras.engine.network.Network', 'keras.engine.base_layer.Layer', 'python.builtin.object')"

我正在使用R.

Answer 1

请以下列形式编写fit函数：

keras::fit()