模型评估
已经训练好两个模型可供使用：参数较多的 large_model，以及参数较少的 small_model。这两个模型都使用了 train_features 和 train_labels 进行训练，这些变量已为您提供。另有单独的测试集 test_features 和 test_labels 可用。
您的目标是比较模型的相对表现，并判断是否存在过拟合迹象。方法是分别在训练集和测试集上评估 large_model 与 small_model。对每个模型，您都可以使用 .evaluate(x, y) 方法，计算特征 x 与标签 y 的损失。然后比较得到的 4 个损失值。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 使用训练数据评估 small 模型。
- 使用测试数据评估 small 模型。
- 使用训练数据评估 large 模型。
- 使用测试数据评估 large 模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))