機械学習の学習過程をmatplotlibで図示したい

Question

前提・実現したいこと

機械学習の学習過程をmatplotlibで図示したい

発生している問題・エラーメッセージ

'numpy.ndarray' object has no attribute 'history'

該当のソースコード

python

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt

pd.options.display.max_rows = 8
state = np.random.RandomState(1)

csv からデータ読み込み

names = ['Hue', 'Hue_figures', 'Value', 'Chroma','season']
coloer = pd.read_csv('personal_coloer_data2.csv', header=None, names=names)
df=coloer
label=df[['season']]
data=df[['Hue', 'Hue_figures', 'Value', 'Chroma']]

X=data
T=label

#訓練データとテストデータに分割
from sklearn.model_selection import StratifiedKFold

skf = StratifiedKFold(n_splits=6)
for train_index, test_index in skf.split(X,T):
print("train_index:", train_index, "test_index:", test_index)
X_train=X.values[train_index]
T_train=T.values[train_index]
X_test=X.values[test_index]
T_test=T.values[test_index]
T_train=np.ravel(T_train)
T_test=np.ravel(T_test)
T_train_array=np.identity(4)[T_train]
T_test_array=np.identity(4)[T_test]

epochs=10
batch_size=120

 #モデル作成        
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import SGD

model = Sequential()

#入力が４つの特徴、4つのラベルに分類なので出力ユニット4
model.add(Dense(input_dim=4, units=4))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.1),metrics=['accuracy'])

#トレーニング
history=model.fit(X_train, T_train_array, epochs=epochs, batch_size=batch_size,validation_data=(X_test, T_test_array))

#学習済みモデルでデータ分類
Y = model.predict_classes(X_test, batch_size=batch_size,)

plt.plot(range(1, epochs+1), Y.history['acc'], label="training")
plt.plot(range(1, epochs+1), Y.history['val_acc'], label="validation")
plt.xlabel('Epochs')
plt.ylabel('Accuracy')
plt.legend()
plt.show()

#結果検証
_, T_index = np.where(T_test_array > 0) # to_categorical の逆変換
print()
print('RESULT')
print(Y == T_index)

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Answer 1

学習過程のプロットですよね

であれば

history=model.fit(X_train, T_train_array, epochs=epochs, batch_size=batch_size,validation_data=(X_test, T_test_array))

の方をプロットしますよね。

Y = model.predict_classes(X_test, batch_size=batch_size,)

こちらは予測結果が配列で帰ってくるだけですので、 Y.history で　hisotory属性がないよ　とエラーになっているのだと思います。