多分类（multiclass classification）：有多个类别；
单标签、多分类（single-label, multiclass classification）：每个数据点只能划分到一个类别；
多标签、多分类（multilabel, multiclass classification）：每个数据点可以划分到多个类别。

加载路透社数据集

from keras.datasets import reuters

(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)

print(len(train_data))
print(len(test_data))
print(train_data[10])
print(train_labels[10])

num_words=10000：仅保留训练数据中前10000个最常出现的单词。低频单词将被舍弃。

8982
2246
[1, 245, 273, 207, 156, 53, 74, 160, 26, 14, 46, 296, 26, 39, 74, 2979, 3554, 14, 46, 4689, 4329, 86, 61, 3499, 4795, 14, 61, 451, 4329, 17, 12]
3

8982：表示8982个训练样本；
2246：表示2246个测试样本。
与IMDB一样，每个样本都是一个整数列表；
3：表示对应的标签是0到45范围内的整数。

将索引解码为新闻文本

word_index = reuters.get_word_index()
reverse_word_index = dict([(value, key) for (key, value) in word_index.items()])
decoded_newswire = ' '.join([reverse_word_index.get(i-3, '?') for i in train_data[0]])
print(decoded_newswire)