plot_model_history

`plot_model_history` 是一个用于可视化模型训练历史的函数，通常在机器学习和深度学习中使用。它可以帮助我们更直观地了解模型在训练过程中的表现，以及模型的优化情况。

通常，`plot_model_history` 会绘制出训练集和验证集的损失函数值、准确率等指标随着训练轮次的变化趋势，从而帮助我们判断模型是否出现了欠拟合或过拟合等问题。

下面是一个简单的示例代码：

import matplotlib.pyplot as plt

def plot_model_history(history):
    # 绘制损失函数
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss'])
    plt.title('Model Loss')
    plt.xlabel('Epoch')
    plt.ylabel('Loss')
    plt.legend(['train', 'val'], loc='upper right')
    plt.show()

    # 绘制准确率
    plt.plot(history.history['accuracy'])
    plt.plot(history.history['val_accuracy'])
    plt.title('Model Accuracy')
    plt.xlabel('Epoch')
    plt.ylabel('Accuracy')
    plt.legend(['train', 'val'], loc='upper left')
    plt.show()

使用该函数可以根据模型训练的历史记录绘制出损失函数和准确率的变化情况，例如：

history = model.fit(X_train, y_train, validation_data=(X_val, y_val), epochs=10)
plot_model_history(history)

这段示例代码将会训练一个模型，并绘制出训练集和验证集的损失函数和准确率随着轮次的变化情况。