AccracyとLossの推移を可視化したい

Question

前提・実現したいこと

アメダスのデータから降水量、気温、湿度、気圧のパラメータを使って、降水量を予測するプログラムです。
AccracyとLossの推移を可視化したいのですが、下のようなエラーが発生してしまいます。

発生している問題・エラーメッセージ

KeyError                                  Traceback (most recent call last)
~/gen/LSTM_amedas.py in <module>
     56 
     57 # 学習過程の可視化
---> 58 acc = history.history['acc']
     59 val_acc = history.history['val_acc']
     60 loss = history.history['loss']

KeyError: 'acc'

該当のソースコード

import os
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.layers.recurrent import LSTM
from keras import optimizers
from keras.callbacks import ModelCheckpoint
from keras.layers import Dense, SimpleRNN, GRU, LSTM
from keras import metrics
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
from keras.utils import np_utils


df = pd.read_csv('../amedas_1980_2020.csv', skiprows=[0,1,2,3,4], header=None, usecols=[1,4,8,11], engine='python')
dataset = df.values
dataset = dataset.astype('float32')

scaler = MinMaxScaler(feature_range=(0, 1))
dataset = scaler.fit_transform(dataset)

train_size = int(len(dataset) * 0.67)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size,:], dataset[train_size:len(dataset),:]

def create_dataset(dataset, look_back=1):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        xset = []
        for j in range(dataset.shape[1]):
            a = dataset[i:(i+look_back), j]
            xset.append(a)
        dataY.append(dataset[i + look_back, 1])
        dataX.append(xset)
    return np.array(dataX), np.array(dataY)

# reshape into X=t and Y=t+1
look_back = 12
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)
print(testX.shape)
print(testX[0])
print(testY)

# reshape input to be [samples, time steps(number of variables), features] *convert time series into column
trainX = np.reshape(trainX, (trainX.shape[0], trainX.shape[1], trainX.shape[2]))
testX = np.reshape(testX, (testX.shape[0], testX.shape[1], testX.shape[2]))

model = Sequential()
model.add(LSTM(32, input_shape=(testX.shape[1], look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam',metrics=['accuracy'])
history = model.fit(trainX, trainY, epochs=100, batch_size=10, verbose=1, validation_data=(testX,testY))

# 学習過程の可視化
acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(len(acc))

plt.plot(epochs,acc,'bo',label='Training acc')
plt.plot(epochs,val_acc,'b',label='Validation acc')
plt.title('Training and validation accracy')
plt.legend()

plt.figure()

plt.plot(epochs,loss,'bo',label='Training loss')
plt.plot(epochs,val_loss,'b',label='Validation loss')
plt.title('Training and Validation loss')
plt.legend()

score = model.evaluate(testX, testY, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

x1 = np.arange(0,485)
x2 = np.arange(12,323)
x3 = np.arange(336,484)

plt.figure()

plt.plot(x1,dataset[:,1],label='data')
plt.plot(x2,trainPredict,label='Train Predict')
plt.plot(x3,testPredict,label='Test Predict')
plt.legend(fontsize=18)

plt.show()

Answer 1

'acc' の部分が 'accutuay' なのではないでしょうか。

hist.history自体は単なる dict型のデータなのですから、直接

print(history.history)

を実行して、どのような keyでデータが保存されているのかを確認したらよいと思います。

Comments

[genki_0330]

早急な回答ありがとうございます。
解決しました！
確認する方法を教えていただきありがとうございました。