理解keras的波士顿房价代码中[ np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]

python深度学习第三章有一个波士顿房价的内容分析。
其中，计算所有轮次中的 K 折验证分数平均值

average_mae_history = [
 np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]

这个代码不太好直接理解，换个角度，等价于如下代码：

mean = [np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]
print('mean - ', mean)
z = []
for i in range(num_epochs):
    temp = []
    for j in all_mae_histories:
        temp.append(j[i])
    z.append(np.mean(temp))
print('mean z ', z)

上面代码是来自stackoverflow中有人提问，下面的回答的。比起之前的代码更加好理解。
我们查看all_mean_history(我自己命名的是all_mae_score）：

发现是里面有4个数组，每个数组包含500个数据。我们从书中可以了解到
上述代码是4折交叉验证（k=4），而每折交叉验证都要500次完整训练（epochs=500）,所以，all_mae_score包含四个数组，每个数组都包含一折交叉验证的数据，也就是500个数据

至于为什么for循环是epochs在外面，all_mae_history在里面，因为我们最终要画图，图的横坐标是epoch，也就是说，每个epoch为横坐标，该epoch对应的4折mae的平均值为纵坐标

可以看到，横坐标是epoch，就像小标题写的那样，表示每个轮次（epoch）中的K折验证分数平均值。所以必然epoch是外循环了。

如果我们对最开始的代码扣细点，可以这么理解：
我们的average_mae_history是个数组，所以average_mae_history=[ ]
然后我们是要循环num_epochs次，故代码：for i in range(num_epochs)
而每个epoch我们都要计算4折交叉验证的输出，所以我们需要遍历4个交叉验证的输出数据数组，取得对应epoch的值，所以：x[i] for x in all_mae_histories，然后每次epoch对应的4个数据又构成了一个数组，所以加个中括号：[x[i] for x in all_mae_histories]，然后我们调用mean方法对每个epoch对应数组值求平均，所以：np.mean()又来了。最终输出的average_mae_history是一个包含500个数据的数组。代表500个epoch对应的4折交叉验证数据平均值，然后我们再画图。