Сравнение Sklearn с Keras - получение небольшой ошибки с Keras

Question

Я тестирую приведенный ниже код.

#%matplotlib inline
import seaborn as sns
import pandas as pd
import numpy as np
from sklearn.model_selection import cross_validate
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegressionCV


iris = sns.load_dataset("iris")
iris.head()

sns.pairplot(iris, hue='species')

X = iris.values[:, 0:4]
y = iris.values[:, 4]

train_X, test_X, train_y, test_y = train_test_split(X, y, train_size=0.5, random_state=0)

lr = LogisticRegressionCV()
lr.fit(train_X, train_y)

pred_y = lr.predict(test_X)
print("Test fraction correct (Accuracy) = {:.2f}".format(lr.score(test_X, test_y)))
# Test fraction correct (Accuracy) = 0.93


import keras
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.utils import np_utils


train_y_ohe = pd.get_dummies(train_y)
test_y_ohe = pd.get_dummies(test_y)


model = Sequential()
model.add(Dense(16, input_shape=(4,)))
model.add(Activation('sigmoid'))
model.add(Dense(3))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam')


loss, accuracy = model.evaluate(test_X, test_y_ohe, show_accuracy=True, verbose=0)
print("Test fraction correct (Accuracy) = {:.2f}".format(accuracy))

Все работает до следующей строки кода.

Когда я пытаюсь запустить это:

loss, accuracy = model.evaluate(test_X, test_y_ohe, show_accuracy=True, verbose=0)

Я получаю эту ошибку:

TypeError: evaluate() got an unexpected keyword argument 'show_accuracy'

Я провел небольшое исследование и обнаружил, что 'show_accuracy = True', возможно, за короткий промежуток времени устарел go. Есть ли другой способ сделать это сейчас? Как я могу оценить и напечатать точность модели?

Я нашел здесь пример кода:

https://blog.fastforwardlabs.com/2016/02/24/hello-world-in-keras-or-scikit-learn-versus.html

Answer 1

Аргумент show_accuracy устарел в новых версиях keras, удалите этот аргумент из model.evaluate() и используйте вместо него metrics=['accuracy'] в model.compile()

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

# fit model
train_y_ohe = pd.get_dummies(train_y)
model.fit(train_X, train_y_ohe,epochs=1000,batch_size=20)

loss, accuracy = model.evaluate(test_X, test_y_ohe, verbose=0)
print("Test fraction correct (Accuracy) = {:.2f}".format(accuracy))

#Test fraction correct (Accuracy) = 0.97