Tensorflow模型精度和对熊猫数据帧的损失
我正在训练一个张量流DNN模型，它会给出这样的结果，
Epoch 1/60
119/119 [==============================] - 273s 2s/step - loss: 1.4571 - accuracy: 0.3004 - val_loss: 1.3791 - val_accuracy: 0.2999
Epoch 2/60
119/119 [==============================] - 281s 2s/step - loss: 1.3186 - accuracy: 0.3503 - val_loss: 1.3658 - val_accuracy: 0.3193
Epoch 3/60
119/119 [==============================] - 274s 2s/step - loss: 1.2985 - accuracy: 0.3703 - val_loss: 1.3475 - val_accuracy: 0.2962
Epoch 4/60
119/119 [==============================] - 271s 2s/step - loss: 1.2885 - accuracy: 0.3829 - val_loss: 1.3258 - val_accuracy: 0.3162
我可以生成一个数据帧有纪元，损失，准确性，val_accuracy和val_loss？
喜欢
epochs loss accuracy val_loss val_accuracy
1 1.4571 0.3004 1.3791 0.2999
2 1.3186 0.3503 1.3658 0.3193
3 1.2985 0.3703 1.3475 0.2962
4 1.2885 0.3829 1.3258 0.3162
共有1个答案
如这里所述，您可以通过将model.fit中的历史保存在变量中，然后使用它创建DataFrame来做到这一点：
history = model.fit(x_train, y_train, epochs=10)
hist_df = pd.DataFrame(history.history)
-
我有这个熊猫数据框 这就给了我： 我该怎么办 做一个新的人物， 将标题添加到图"标题这里" 以某种方式创建一个映射，这样标签不是29,30等，而是“29周”，“30周”等。 将图表的较大版本保存到我的计算机（例如10 x 10英寸） 这件事我已经琢磨了一个小时了！
-
假设熊猫数据帧如下所示： 如何将第三行（如row3）提取为pd数据帧？换句话说，row3.shape应该是（1,5），row3.head（）应该是：
-
问题内容： 我有一个熊猫数据框，看起来像这样： 一千行左右，六列。大多数单元格为空（NaN）。考虑到不同的列中包含文本，我想知道每列中文本的概率是多少。例如，这里的小片段将产生如下内容： 也就是说，Al01栏中有4个匹配项；在这4个匹配中，BBR60列中没有匹配，CA07列中也没有匹配，NL219列中有3个匹配。等等。 我可以遍历每一列并使用值构建字典，但这似乎很笨拙。有没有更简单的方法？ 问题答
-
这似乎是非常基本的知识，但我还是卡住了，尽管我有一些数据处理的理论背景（通过其他软件）。值得一提的是，我是蟒蛇和熊猫图书馆的新手。 我的任务是将系列名称列的值作为单独的列（从长到宽转换）。我花了很长时间尝试不同的方法，但只有错误。 例如： 我犯了一个错误： ...很多短信...通过值的长度是2487175，索引暗示2 有谁能指导我完成这个过程吗？谢谢 它用于代码“mydata=mydata”。pi
-
我使用的是Database ricks 4.3（包括Apache Spark 2.3.1、Scala 2.11）、Python版本3.5。 我有一个Spark数据帧df_spark我在上面运行了分组为UDF的熊猫，以获得一个新的Spark数据帧df_spark2，它只有一列字符串类型。当我显示df_spark2的头部时，我得到了错误： 我在熊猫数据框架上测试了按UDF分组的熊猫，效果很好。代码为：
-
我有一个非常大的 pyspark 数据帧和一个较小的熊猫数据帧，我读入如下： 这两个数据帧都包含标记为“A”和“B”的列。我想创建另一个 pyspark 数据帧，其中只有 df1 中的那些行，其中“A”和“B”列中的条目出现在 中同名的列中。也就是说，使用 df2 的列“A”和“B”过滤 df1。 通常我认为这将是一个连接（通过实现），但是如何将熊猫数据帧与 pyspark 数据帧连接起来？ 我负