在keras中绘制学习曲线给出KeyError：'val_acc'

Question

我试图在keras中绘制训练和测试学习曲线，但是，以下代码生成KeyError: 'val_acc error。

官方文档<https://keras.io/callbacks/>说，为了使用'val_acc'我需要启用验证和准确性监控，我不理解，不知道如何在我的代码中使用。

任何帮助将非常感激。谢谢。

seed = 7
np.random.seed(seed)

dataframe = pandas.read_csv("iris.csv", header=None)
dataset = dataframe.values
X = dataset[:,0:4].astype(float)
Y = dataset[:,4]

encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)
dummy_y = np_utils.to_categorical(encoded_Y)

kfold = StratifiedKFold(y=Y, n_folds=10, shuffle=True, random_state=seed)
cvscores = []

for i, (train, test) in enumerate(kfold):

    model = Sequential()
    model.add(Dense(12, input_dim=4, init='uniform', activation='relu'))
    model.add(Dense(3, init='uniform', activation='sigmoid'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    history=model.fit(X[train], dummy_y[train], nb_epoch=200, batch_size=5, verbose=0)
    scores = model.evaluate(X[test], dummy_y[test], verbose=0)
    print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
    cvscores.append(scores[1] * 100)

print( "%.2f%% (+/- %.2f%%)" % (np.mean(cvscores), np.std(cvscores))) 


print(history.history.keys())
# summarize history for accuracy
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

Answer 1

您可能需要启用列车集的验证拆分。通常，验证发生在列车组的1/3处。在您的代码中，进行如下所示的更改：

history=model.fit(X[train], dummy_y[train],validation_split=0.33,nb_epoch=200, batch_size=5, verbose=0) 

有用！

Answer 2

要获得任何val_ *数据（val_acc，val_loss，...），您需要先设置验证。

第一种方法（将根据你提供的内容进行验证）：

model.fit(validation_data=(X_test, Y_test))

第二种方法（将从部分培训数据中验证）：

model.fit(validation_split=0.5)