Оценка моделей
Доступны две обученные модели: large_model с большим числом параметров и small_model с меньшим числом параметров. Обе модели были обучены на данных train_features и train_labels, которые вам доступны. Также доступна отдельная тестовая выборка, состоящая из test_features и test_labels.
Ваша задача — сравнить качество моделей и определить, демонстрирует ли какая-либо из них признаки переобучения. Для этого оцените large_model и small_model на обучающей и тестовой выборках. Для каждой модели применяйте метод .evaluate(x, y), который вычисляет значение функции потерь для признаков x и меток y. Затем сравните четыре полученных значения потерь.
Это упражнение является частью курса
Введение в TensorFlow на Python
Инструкции к упражнению
- Оцените малую модель на обучающих данных.
- Оцените малую модель на тестовых данных.
- Оцените большую модель на обучающих данных.
- Оцените большую модель на тестовых данных.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))