エポック（Epoch）

エポック（Epoch）とは、機械学習やディープラーニングにおいて、学習データ全体を1回モデルに通して学習させるサイクルのことを指します。 1エポックとは、訓練用データのすべてのサンプルを一通り使ってモデルの重みを更新したことを意味します。 機械学習では通常、1回のエポックだけでは十分に学習が進まないため、複数エポックにわたって繰り返し学習を行い、モデルの精度を高めていきます。 エポックに関する基本的な用語と概念： • エポック数（Number of Epochs）：学習データを何回繰り返してモデルに学習させるかを示す数値 • バッチサイズ（Batch Size）：一度の学習で使うデータの数。全データを複数のバッチに分けて処理する • イテレーション（Iteration）：バッチ単位での学習回数。1エポック＝（全データ数 ÷ バッチサイズ）回のイテレーション 例えば、訓練データが1万件、バッチサイズが100の場合、1エポックは100回のイテレーションで構成されます。 エポック数が少なすぎると**学習不足（アンダーフィッティング）となり、 多すぎると過学習（オーバーフィッティング）を引き起こす可能性があるため、 適切なエポック数を選ぶことがモデルの性能を左右します。 そのため、検証データの損失関数（validation loss）や精度の変化を見ながら、最適なエポック数を決めることが一般的です。 近年では「早期終了（Early Stopping）」という手法で、検証精度が一定期間向上しない場合に自動的に学習を止める工夫も行われています。 つまり、エポックとはAIモデルが「どれだけ学習データを繰り返し学んだか」を示す重要な指標であり、学習の質と量を調整するカギとなる概念です。