Python：神经网络-类型错误：'；历史'；对象不可下标

我一直在练习使用python中的Keras和Tensorflow构建和比较神经网络，但当我试图绘制用于比较的模型时，我收到了一个错误：

TypeError: 'History' object is not subscriptable

以下是我对这三种型号的代码：

############################## Initiate model 1 ###############################
# Model 1 has no hidden layers
from keras.models import Sequential
model1 = Sequential()

# Get layers
from keras.layers import Dense
# Add first layer
n_cols = len(X.columns)
model1.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add output layer
model1.add(Dense(units=2, activation='softmax'))

# Compile the model
model1.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Define early_stopping_monitor
from keras.callbacks import EarlyStopping
early_stopping_monitor = EarlyStopping(patience=2)

# Fit model
model1.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)


############################## Initiate model 2 ###############################
# Model 2 has 1 hidden layer that has the mean number of nodes of input and output layer
model2 = Sequential()

# Add first layer
model2.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add hidden layer
import math
model2.add(Dense(units=math.ceil((n_cols+2)/2), activation='relu'))
# Add output layer
model2.add(Dense(units=2, activation='softmax'))

# Compile the model
model2.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Fit model
model2.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)

############################## Initiate model 3 ###############################
# Model 3 has 1 hidden layer that is 2/3 the size of the input layer plus the size of the output layer
model3 = Sequential()

# Add first layer
model3.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add hidden layer
model3.add(Dense(units=math.ceil((n_cols*(2/3))+2), activation='relu'))
# Add output layer
model3.add(Dense(units=2, activation='softmax'))

# Compile the model
model3.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Fit model
model3.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)


# Plot the models
plt.plot(model1.history['val_loss'], 'r', model2.history['val_loss'], 'b', 
model3.history['val_loss'], 'g')
plt.xlabel('Epochs')
plt.ylabel('Validation score')
plt.show()

我在运行任何模型、获取预测概率、绘制ROC曲线或绘制PR曲线方面都没有问题。但是，当我试图将三条曲线绘制在一起时，我的代码中的这一区域出现了一个错误：

model1.history['val_loss']

TypeError: 'History' object is not subscriptable

是否有人有过此类错误的经验，并可能导致我做错了什么

提前感谢。

调用

model.fit（）

返回一个

历史记录

对象，该对象具有成员

历史记录

，类型为

dict

因此，您可以替换：

model2.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)

与

其他车型也是如此

然后您可以使用：

plt.plot(history1.history['val_loss'], 'r', history2.history['val_loss'], 'b', 
history3.history['val_loss'], 'g')

---

这是另一个解决方案，必须包括

。历史记录

在

模型拟合的末尾

公认的答案非常好。但是，如果有人试图在fit期间访问历史而不存储它，请尝试以下操作：

由于

val_loss

不是

History

对象上的属性，也不是可用于索引的键，因此您编写它的方式将不起作用。但是，您可以尝试访问

history

对象中的属性

history

，这是一个应该包含

val\u loss

作为键的dict

因此，替换：

plt.plot（模型1.历史['val\u loss']，'r'，模型2.历史['val\u loss']，'b'，
模型3.历史记录['val_loss']，'g'）

与

plt.plot（模型1.history.history['val\u loss']，'r'，模型2.history.history['val\u loss']，'b'，
模型3.history.history['val_loss']，'g'）

试试

model1.history.history['val_loss']

和其他类似的方法。@krishna，效果很好。谢谢你工作得很有魅力。谢谢你的洞察力！

plt.plot(history1.history['val_loss'], 'r', history2.history['val_loss'], 'b', 
history3.history['val_loss'], 'g')

history =  model.fit(trainX, trainy, batch_size=50, epochs=200, validation_split=0.3,callbacks=[tensorboard]).history