Keras二分类模型报错：'History'对象无'predict'属性求助

问题根源 #

你在代码中犯了一个关键错误：将model.fit()的返回值重新赋值给了model变量。model.fit()方法返回的是History对象（用于记录训练过程的损失、精度等指标），而非训练后的模型本身。这会导致原本的Sequential模型实例被覆盖，后续调用model.predict()时，实际是在History对象上调用该方法，而History没有predict属性，因此触发报错。

修正方案 #

只需要避免用model变量接收fit()的返回值即可，改用其他变量名（比如history）存储训练历史，或者直接调用model.fit()不赋值。

修正后的完整代码 #

#hyperparameters
hidden_units=100
learning_rate=0.01
hidden_layer_act='tanh'
output_layer_act='sigmoid'
no_epochs=100

#model
model = Sequential()
model.add(Dense(hidden_units, input_dim=len(X_train.columns), activation=hidden_layer_act))
model.add(Dense(hidden_units, activation=hidden_layer_act))
model.add(Dense(1, activation=output_layer_act))
#model.summary()
sgd=optimizers.SGD(lr=learning_rate)
model.compile(loss='binary_crossentropy',optimizer=sgd, metrics=['accuracy'])
es = EarlyStopping(monitor='val_accuracy', 
                                   mode='max', # don't minimize the accuracy!
                                   patience=10,
                                   restore_best_weights=True)
# 修改点：用history变量接收训练历史，而非覆盖model
history = model.fit(X_train,
                  y_train, 
                  epochs=no_epochs,
                  callbacks=[es],
                  batch_size=5, 
                  verbose=1,
                  shuffle=True)
y_pred = model.predict(X_test) 

额外说明 #

• 如果你不需要查看训练历史，也可以直接调用model.fit(...)不赋值，效果相同。
• History对象可以用来绘制训练曲线，比如history.history['accuracy']可以获取训练集精度变化，history.history['val_accuracy']获取验证集精度变化。

内容的提问来源于stack exchange，提问作者drashti bhatt