評估模型
已經訓練好兩個模型並可供使用：參數較多的 large_model，以及參數較少的 small_model。兩個模型都是用 train_features 與 train_labels 訓練而成。另有一個獨立的測試集，包含 test_features 與 test_labels。
你的目標是比較兩個模型的相對表現，並判斷是否有過度擬合的跡象。你將把 large_model 與 small_model 分別在訓練集與測試集上評估。對於每個模型，你可以使用 .evaluate(x, y) 方法，計算特徵 x 與標籤 y 的損失值。接著比較產生的四個損失值。
本練習屬於課程
Python 的 TensorFlow 入門
練習說明
- 使用訓練資料評估 small 模型。
- 使用測試資料評估 small 模型。
- 使用訓練資料評估 large 模型。
- 使用測試資料評估 large 模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))