質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.98%

kerasの学習曲線のグラフでエラーが出ます。

解決済

回答 4

投稿

  • 評価
  • クリップ 0
  • VIEW 92

python_2019

score 37

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'


イメージ説明

  • 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
    • 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

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    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。

質問への追記・修正、ベストアンサー選択の依頼

  • python_2019

    2019/10/30 14:04

    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,

    キャンセル

  • magichan

    2019/10/30 20:21

    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

    キャンセル

  • python_2019

    2019/10/30 22:06

    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?

    キャンセル

回答 4

checkベストアンサー

+1

fit() 関数に validation_split=0.1 のようにバリデーションを行う設定をしないと、バリデーションは行われないので、history のキーに val_acc がないのだと思います。

公式リファレンスより

validation_split: 0から1までの浮動小数点数. 訓練データの中で検証データとして使う割合. 訓練データの中から検証データとして設定されたデータは,訓練時に使用されず,各エポックの最後に計算される損失関数や何らかのモデルの評価関数で使われます.

Sequentialモデル - Keras Documentation

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。

  • 2019/10/31 10:46

    いつもありがとうございます。
    的確なご指摘により、解決いたしました。
    リンクも勉強になりました。

    キャンセル

0

ご指摘どおり、バリデーションを設定すると上手く行きました。

ありがとうございました。

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。

0

ご指摘どおり、バリデーションを設定すると上手く行きました。

ありがとうございました。

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。

0

ご指摘どおり、バリデーションを設定すると上手く行きました。

どうもありがとうございました。

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 89.98%
  • 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