Python：神经网络-TypeError：“历史记录”对象不可下标

Question

我一直在尝试使用python中的Keras和Tensorflow构建和比较神经网络，但是当我希望绘制模型进行比较时，我收到了一个错误：

TypeError: 'History' object is not subscriptable

这是我对这三个模型的代码：

############################## Initiate model 1 ###############################
# Model 1 has no hidden layers
from keras.models import Sequential
model1 = Sequential()

# Get layers
from keras.layers import Dense
# Add first layer
n_cols = len(X.columns)
model1.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add output layer
model1.add(Dense(units=2, activation='softmax'))

# Compile the model
model1.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Define early_stopping_monitor
from keras.callbacks import EarlyStopping
early_stopping_monitor = EarlyStopping(patience=2)

# Fit model
model1.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)


############################## Initiate model 2 ###############################
# Model 2 has 1 hidden layer that has the mean number of nodes of input and output layer
model2 = Sequential()

# Add first layer
model2.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add hidden layer
import math
model2.add(Dense(units=math.ceil((n_cols+2)/2), activation='relu'))
# Add output layer
model2.add(Dense(units=2, activation='softmax'))

# Compile the model
model2.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Fit model
model2.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)

############################## Initiate model 3 ###############################
# Model 3 has 1 hidden layer that is 2/3 the size of the input layer plus the size of the output layer
model3 = Sequential()

# Add first layer
model3.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
# Add hidden layer
model3.add(Dense(units=math.ceil((n_cols*(2/3))+2), activation='relu'))
# Add output layer
model3.add(Dense(units=2, activation='softmax'))

# Compile the model
model3.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy']) 

# Fit model
model3.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)


# Plot the models
plt.plot(model1.history['val_loss'], 'r', model2.history['val_loss'], 'b', 
model3.history['val_loss'], 'g')
plt.xlabel('Epochs')
plt.ylabel('Validation score')
plt.show()

运行任何模型，获取预测概率，绘制ROC曲线或绘制PR曲线都没有问题。但是，当我尝试将三个曲线绘制在一起时，在此代码区域出现错误：

model1.history['val_loss']

TypeError: 'History' object is not subscriptable

是否有人对这种类型的错误有经验，可以导致我做错了什么？

先感谢您。

Answer 1

调用以model.fit()返回History具有成员的对象，该成员history的类型为dict。

因此，您可以替换：

model2.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)

与

history2 = model2.fit(X, y, validation_split=0.33, epochs=30, callbacks= 
[early_stopping_monitor], verbose=False)

其他型号也一样。

然后您可以使用：

plt.plot(history1.history['val_loss'], 'r', history2.history['val_loss'], 'b', 
history3.history['val_loss'], 'g')

Answer 2

接受的答案很棒。但是，如果有人试图访问历史记录而不在拟合期间存储它，请尝试以下操作：

由于val_loss不是History对象上的属性，也不是可以用来索引的键，因此您编写它的方式将不起作用。但是，您可以尝试访问对象history中的属性History，该属性是一个应该包含val_loss作为键的字典。

所以，替换：

plt.plot(model1.history['val_loss'], 'r', model2.history['val_loss'], 'b', 
model3.history['val_loss'], 'g')

和

plt.plot(model1.history.history['val_loss'], 'r', model2.history.history['val_loss'], 'b', 
model3.history.history['val_loss'], 'g')