绘制训练，验证和测试集精度
我想绘制这个简单的神经网络的输出：
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(x_test, y_test, nb_epoch=10, validation_split=0.2, shuffle=True)
model.test_on_batch(x_test, y_test)
model.metrics_names
我已经绘制了准确性和失败的培训和验证：
print(history.history.keys())
# "Accuracy"
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()
# "Loss"
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()
现在我想从model.test_on_batch(x_test, y_test)添加并绘制测试集的准确性，但是从model.metrics_names获得用于绘图训练数据准确性的相同值' plt.plot(history.history['acc']) 。 我怎么能绘制测试集的准确性？
这是一样的，因为你正在训练测试集，而不是在火车上。 不要那样做，只需在训练集上训练即可：
history = model.fit(x_test, y_test, nb_epoch=10, validation_split=0.2, shuffle=True)
变成：
history = model.fit(x_train, y_train, nb_epoch=10, validation_split=0.2, shuffle=True)