エポック

エポックとは

エポック（Epoch）は、機械学習で学習データ全体を一巡させる単位です。「1エポック」＝「全訓練データを一度すべて使って学習した状態」を指します。

ニューラルネットは1エポックでは学習が不十分なことが多く、数十〜数百エポックを繰り返して精度を高めるのが一般的です。

バッチサイズとの関係

• バッチサイズ: 一度に処理するデータ数
• イテレーション: 1回のパラメータ更新
• エポック: 全データを一巡（= 全データ数 ÷ バッチサイズ 回のイテレーション）

例えば10,000件のデータをバッチサイズ100で学習すると、1エポック＝100回のパラメータ更新になります。

何エポック回すべきか

• 少なすぎると: 学習不足（未学習）
• 多すぎると: 過学習（訓練データに過剰適合し、未知データで精度が落ちる）

実務では、検証データでの精度が頭打ちになった時点で学習を止める（Early Stopping）のが一般的な工夫です。

関連する概念

• バッチサイズ: 1回で処理するデータ数
• 学習率: 1回あたりの更新幅
• 過学習: エポックを増やしすぎたときの代表的な失敗

エポックは**学習の"周回数"**と捉えると、全体像をイメージしやすくなります。