始める無料で始める

モデルの評価

2つのモデルがすでに学習済みです。多くのパラメータを持つ large_model と、より少ないパラメータの small_model です。どちらのモデルも、利用可能な train_features と train_labels で学習されています。別途、test_features と test_labels からなるテストセットも用意されています。

目標は、モデル同士の相対的な性能を評価し、どちらかのモデルに過学習の兆候がないか確認することです。これを行うために、large_model と small_model を訓練データとテストデータの両方で評価します。各モデルについて、.evaluate(x, y) メソッドを適用し、特徴量 x とラベル y に対する損失を計算します。最後に、得られた4つの損失を比較します。

この演習はコースの一部です

Introduction to TensorFlow in Python

コースを見る

演習の手順

  • 訓練データで small モデルを評価します。
  • テストデータで small モデルを評価します。
  • 訓練データで large モデルを評価します。
  • テストデータで large モデルを評価します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)

# Evaluate the small model using the test data
small_test = ____

# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)

# Evaluate the large model using the test data
large_test = ____

# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))
コードを編集して実行