Python 根据历史绘制模型损失和模型精度。历史Keras序列

使用keras在序列模型中绘制模型损失和模型精度似乎很简单。然而，如果我们将数据分成

X\u序列

，

Y\u序列

，

X\u测试

，

Y\u测试

，并使用交叉验证，如何绘制它们？我得到错误是因为它找不到

'val\u acc'

。这意味着我无法在测试集上绘制结果

这是我的密码：

# Create the model
def create_model(neurons = 379, init_mode = 'uniform', activation='relu', inputDim = 8040, dropout_rate=1.1, learn_rate=0.001, momentum=0.7, weight_constraint=6): #weight_constraint=
    model = Sequential()
    model.add(Dense(neurons, input_dim=inputDim, kernel_initializer=init_mode, activation=activation, kernel_constraint=maxnorm(weight_constraint), kernel_regularizer=regularizers.l2(0.002))) #, activity_regularizer=regularizers.l1(0.0001))) # one inner layer
    #model.add(Dense(200, input_dim=inputDim, activation=activation)) # second inner layer
    #model.add(Dense(60, input_dim=inputDim, activation=activation))  # second inner layer
    model.add(Dropout(dropout_rate))
    model.add(Dense(1, activation='sigmoid'))
    optimizer = RMSprop(lr=learn_rate)
    # compile model
    model.compile(loss='binary_crossentropy', optimizer='RmSprop', metrics=['accuracy']) #weight_constraint=weight_constraint
    return model

model = create_model() #weight constraint= 3 or 4

seed = 7
# Define k-fold cross validation test harness

kfold = StratifiedKFold(n_splits=3, shuffle=True, random_state=seed)
cvscores = []
for train, test in kfold.split(X_train, Y_train):
    print("TRAIN:", train, "VALIDATION:", test)

# Fit the model

    history = model.fit(X_train, Y_train, epochs=40, batch_size=50, verbose=0)

# Plot Model Loss and Model accuracy
    # list all data in history
    print(history.history.keys())
    # summarize history for accuracy
    plt.plot(history.history['acc'])
    plt.plot(history.history['val_acc'])  # RAISE ERROR
    plt.title('model accuracy')
    plt.ylabel('accuracy')
    plt.xlabel('epoch')
    plt.legend(['train', 'test'], loc='upper left')
    plt.show()
    # summarize history for loss
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss']) #RAISE ERROR
    plt.title('model loss')
    plt.ylabel('loss')
    plt.xlabel('epoch')
    plt.legend(['train', 'test'], loc='upper left')
    plt.show()

我希望对其进行一些必要的更改，以获得测试所需的绘图。

根据，似乎为了能够使用

'val\u acc'

和

'val\u loss'

您需要启用验证和准确性监控。这样做很简单，只需将验证分割添加到

模型中即可。将
放入您的代码中

而不是：

history = model.fit(X_train, Y_train, epochs=40, batch_size=50, verbose=0)

您需要执行以下操作：

history = model.fit(X_train, Y_train, validation_split=0.33, epochs=40, batch_size=50, verbose=0)

这是因为验证通常在列车组的1/3期间进行

以下是另一个可能有用的来源：


希望有帮助
 我们能看到你的错误吗？关于
val\u acc
？当然。plt.plot（history.history['val_acc']）键错误：“val_acc”。如果我删除plt.plot（history.history['val_acc']）行，它将返回每个cros验证数据集（train）的绘图。这将是一个解决方案，但我使用的是cros验证。但是我试着使用：
history=model.fit（X\u-train，Y\u-train，epochs=42，batch\u-size=50，validation\u-data=（X\u-test，Y\u-test），verbose=0）
。