エポックとは、機械学習やディープラーニングにおいて、訓練用データセット全体をモデルに1回学習させる単位のことです。データが1周学習されると「1エポック」とカウントされます。学習回数を適切に設定することで、AIモデルの予測精度を高めつつ、過学習や未学習を防ぐために重要なハイパーパラメータとして使用されます。
エポックとは
エポックとは、機械学習において準備された訓練データ全体を、AIモデルが一度すべて読み込んで学習を完了させる処理の単位です。
詳しく解説
機械学習のモデル構築では、一度データを読み込ませるだけでは十分な精度が得られないことが多く、同じデータセットを何度も繰り返し学習させます。データ全体を1回学習し終えた状態を1エポックと呼びます。学習時にはデータを小さな小分けにするミニバッチという手法がよく使われます。例えば1,000件のデータを100件ずつのバッチサイズに分けた場合、10回のステップを実行することで1エポックが完了します。繰り返し回数を増やすほどモデルの精度は向上する傾向がありますが、多すぎると過学習が発生し、少なすぎると未学習に終わります。
具体例・使われ方
例えば、問題集1冊を全ページ最後まで解き終わるプロセスを1エポックと例えることができます。1冊を何周復習するかによって学習の定着度が変わるように、AIモデルも複数エポック学習を重ねることでパターンを習得します。
似た用語との違い
エポックと混同されやすい言葉にバッチサイズとステップがあります。バッチサイズは1回の学習更新で処理するデータの件数を指し、ステップはそのバッチを処理してパラメータを更新した回数を意味します。これに対し、エポックは分割されたすべてのバッチを処理し、訓練データ全体を1周学習し終えた単位を表します。
注意点
エポック数を大きく設定しすぎると、訓練データだけに過剰に適合して未知のデータに対応できなくなる過学習が起こります。反対にエポック数が少なすぎると、十分な特徴を学習できずに未学習状態となります。早期終了などの手法を用いて、検証データでの損失が最小となる最適なエポック数を見極めることが重要です。