#
# apprendre et retourner les resultats (accuracy, mse)
#
metrics = model.evaluate(X, y)

#
# précision par défaut
#
precision = 1.1111

#
# examine les métriques et recherche de la valeur
# liée à la précision
#
for i in range(len(metrics)):
	print(model.metrics_names[i], end='')
	if model.metrics_names[i] == "accuracy":
		precision = metrics[i]
		print(" = %.4f %%" % (metrics[i] * 100))
	else:	
		print(" = %.4f" % (metrics[i]))

#
# graphique de la progression de l'erreur (mse)
#
import matplotlib.pyplot as plt
plt.plot(history.history['mse'])
plt.title('Mean Squarred Error')
plt.show()

#
# graphique de la progression de la précision (accuracy)
#
plt.plot(history.history['accuracy'])
plt.title('Accuracy')
plt.show()