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.
-
気になる質問をクリップする
クリップした質問は、後からいつでもマイページで確認できます。
またクリップした質問に回答があった際、通知やメールを受け取ることができます。
クリップを取り消します
-
良い質問の評価を上げる
以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します
-
評価を下げられる数の上限に達しました
評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる
teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します
この機能は開放されていません
評価を下げる条件を満たしてません
質問の評価を下げる機能の利用条件
この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
0
「学習曲線」と言います。
例えばこんな実装かと
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。
投稿
-
回答の評価を上げる
以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
-
回答の評価を下げる
下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。
15分調べてもわからないことは、teratailで質問しよう!
- ただいまの回答率 88.33%
- 質問をまとめることで、思考を整理して素早く解決
- テンプレート機能で、簡単に質問をまとめられる