ニューラルネットの学習で，各エポック数のtrain・testのデータに加えて，検証用データの検証結果を加えたい

Question

現在，以下のように機械学習を行っております．

#データセット作成
import keras
import numpy as np
import sklearn.model_selection
import sklearn.datasets

#学習用，テスト用，評価用

X_train = np.loadtxt('D:/dataset_2_X.csv' , delimiter = ",")
Y_train = np.loadtxt('D:/dataset_2_Y.csv' , delimiter = ",")

X_test = np.loadtxt('D:/dataset_1_X.csv' , delimiter = ",")
Y_test = np.loadtxt('D:/dataset_1_Y.csv' , delimiter = ",")

#こちらで読み込んだデータを未知データとして検証したいです
#X_val = np.loadtxt('D:/dataset_3_X.csv' , delimiter = ",")
#Y_val = np.loadtxt('D:/dataset_3_Y.csv' , delimiter = ",")

#正規化
def normalizer(A):
    M = np.reshape(A , (len(A) , -1))
    M = M.astype('float32')
    max = M.max(axis = 0)
    min = M.min(axis = 0)
    return (M - min) / (max - min)

X_train = normalizer(X_train)
X_test = normalizer(X_test)

Y_train_logit = keras.utils.to_categorical(Y_train)
Y_test_logit = keras.utils.to_categorical(Y_test)

#モデルの構築
import keras
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense , Activation

#モデル
m = tf.keras.models.Sequential([
    tf.keras.layers.Dense(units= 20, input_dim=len(X_train[0]), activation=tf.nn.relu),
    tf.keras.layers.Dense(units=max(set(Y_train)) - min(set(Y_train)) + 1, activation=tf.nn.softmax)

])


m.compile(loss='sparse_categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])



print(m.summary())

#学習と結果表示
#この学習において，X_val,Y_valの値も検証したいです
history = m.fit(X_train , Y_train ,epochs = 1000 , validation_data = (X_test ,Y_test))

import matplotlib.pyplot as plt 
import matplotlib 
acc = history.history["acc"]
val_acc = history.history["val_acc"]
loss = history.history["loss"]
val_loss = history.history["val_loss"]
 
epochs = range(1, len(acc) + 1)
 
#plot accuracy
plt.plot(epochs, acc, "b" , markersize = 1, label = "Training acc" )
plt.plot(epochs, val_acc, "r",  markersize = 1, label = "Validation acc")
plt.title("Accuracy_dataset1_2")
plt.ylim([0,1])
plt.legend()
plt.savefig("D:/acc_dataset_2_3.png")
plt.close()  
 
#plot loss
plt.plot(epochs, loss, "b", markersize = 1,  label = "Training loss" )
plt.plot(epochs, val_loss, "r",  markersize = 1, label = "Validation loss")
plt.title("loss_dataset1")
plt.ylim([0,1])
plt.legend()
plt.savefig("D:/loss_dataset2_3.png")
plt.close()

このとき，最初で定義しているX_val,Y_valを検証用データとして，各エポックごとにその正答率と損失値を求め，最後のグラフ表示にtrain,test,valの3本のグラフとして表示したいです．
fitの中で何か設定するのかと思い，kerasのfitの使い方のところを見ましたが，train,test以外にデータを設定できないようなので，困っております．どのようにすればよいのでしょうか？よろしくお願いします．

Answer 1

「学習曲線」と言います。

例えばこんな実装かと

学習曲線から過学習を検知 (機械学習、Python)

少し違うのであれば

「学習曲線 〇〇」　〇〇はあなたが得たいもののキーワード
等でググると近しいものが出てくるはずです。