kerasの学習曲線のグラフでエラーが出ます。

機械学習の過学習を確認するため、訓練データとテストデータの精度のグラフを描こうとすると、エラーが出てしまいます。
accのグラフは描けているようなのですが、val_accのグラフが描けないのです。

どなたかお詳しい方、お助けください。
よろしくお願いいたします。


model = keras.models.Sequential()


model.add(Dense(units=128,input_dim=250))
model.add(Activation('relu'))
model.add(Dropout(0.2))
          

model.add(Dense(units=32))
model.add(Activation('relu'))
#model.add(Dropout(0.2))

                      

model.add(Dense(units=2))
model.add(Activation('softmax'))

model.compile(loss='sparse_categorical_crossentropy',optimizer='adam',metrics=['accuracy'])

#　学習の実行
#model.fit(x_train_std,y_train,epochs=10,batch_size=4, verbose=0)
hist=model.fit(x_train_std,y_train,epochs=10,batch_size=4, verbose=0)
#　評価の実行
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
predict_classes = model.predict_classes(x_test_std)

score = model.evaluate(x_test_std,y_test)
print('正確度(accuracy):', score[1])
print('　')
print('精度:{:.3f}'.format(accuracy_score(y_test, predict_classes)))
print('適合率:{:.3f}'.format(precision_score(y_test, predict_classes)))
print('再現率:{:.3f}'.format(recall_score(y_test, predict_classes)))
print('f-1値:{:.3f}'.format(f1_score(y_test, predict_classes)))

#　混同行列（Confusion Matrix）
print('　')
from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, predict_classes))

import matplotlib.pyplot as plt
# ⑥-2 学習経過をグラフに記録
# 正解率の推移をプロット
plt.plot(hist.history['acc'])
plt.plot(hist.history['val_acc'])
plt.title('Accuracy')
plt.legend(['train', 'test'], loc='upper left')
plt.show()
# ロスの推移をプロット
plt.plot(hist.history['loss'])
plt.plot(hist.history['val_loss'])
plt.title('Loss')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-22-520aa5a76f5e> in <module>
      3 # 正解率の推移をプロット
      4 plt.plot(hist.history['acc'])
----> 5 plt.plot(hist.history['val_acc'])
      6 plt.title('Accuracy')
      7 plt.legend(['train', 'test'], loc='upper left')

KeyError: 'val_acc'

magichan

2019/10/30 04:28

エラーとしては history に 'val_acc'が無いといっておりますので、一度 print(hist.history) にて history の中身（'val_acc'キーの有無）を確認してみてください。

python_2019

2019/10/30 04:45

ありがとうございます。中身を確認しますと、データはあるようです。訓練データ（acc）は描写されるので、どこかテストデータ（val_acc）の設定が抜けているのでしょうか？

magichan

2019/10/30 04:53

historyに 'val_acc'のデータがあるのであれば、エラーなく表示されるはずなのですが。 print(hist.history['val_acc']) で問題なくval_accの履歴が表示されるのですよね？

python_2019

2019/10/30 05:04

ありがとございます。 print(hist.history['val_acc'])を実行させると、以下のように表示されました。データは存在しているようなのですが...。 [0.8083333333333333, 0.775, 0.7916666666666666, 0.8, 0.8, 0.7916666666666666, 0.7916666666666666, 0.7833333333333333, 0.7833333333333333, 0.7916666666666666, 0.8083333333333333, 0.8, 0.8, 0.8166666666666667, 0.8, 0.8, 0.8083333333333333, 0.8, 0.8, 0.8166666666666667, 0.825, 0.825, 0.8083333333333333, 0.8083333333333333, 0.8166666666666667, 0.8, 0.8, 0.8, 0.8, 0.7833333333333333, 0.8, 0.7916666666666666, 0.7916666666666666, 0.8, 0.8, 0.8083333333333333, 0.8, 0.8, 0.7833333333333333, 0.8, 0.7916666666666666, 0.7916666666666666, 0.8, 0.8, 0.7833333333333333, 0.7833333333333333, 0.7666666666666667, 0.7583333333333333, 0.7666666666666667, 0.775, 0.7916666666666666, 0.7833333333333333, 0.7666666666666667, 0.7833333333333333, 0.7833333333333333, 0.7916666666666666, 0.7916666666666666, 0.7916666666666666, 0.8, 0.7916666666666666, 0.7916666666666666, 0.8166666666666667, 0.8083333333333333, 0.8, 0.7916666666666666, 0.8, 0.7916666666666666, 0.7916666666666666, 0.7833333333333333, 0.7833333333333333, 0.8, 0.7916666666666666, 0.8, 0.8083333333333333, 0.7833333333333333, 0.7916666666666666, 0.7916666666666666,

magichan

2019/10/30 11:21

であればエラーは出ないはずですね。(上記の表示しているデータをプロットしているだけなので) もう一度　綴りが間違っているないか　半角と全角が間違っていないかを確認下さい

python_2019

2019/10/30 13:06

ご連絡ありがとうございます。綴りや、半角と全角、インデントなど、何度もよく調べてみたのですが、やはり上記のエラーが出てしまいます。。学習は正常にされているのに、その結果の訓練データのグラフ（acc）は描かれ、テストデータのグラフ（val_acc）だけが描かれないのが不思議です。モデルのcompileやfitで、テストデータのグラフ描写用(データ格納用)のパラメータか何か足りないのでしょうか？