ばっちがくしゅう

バッチ学習

すべての訓練データを一度に用いてモデルの更新を行う学習方式です。全体を考慮するため安定して収束しますが、データ量が膨大な場合に計算負荷とメモリ消費が課題となります。

詳しい説明

バッチ学習とは、すべての訓練データを一度にモデルに読み込ませてパラメータを更新する学習方式です。全体のデータに基づいて学習を行うため、安定した収束が期待できます。

一度に計算するためデータ量が多い場合には計算負荷が非常に高くなり、メモリを大量に消費するという欠点があります。大規模なデータセットではミニバッチ学習が主流となる要因です。

一度の計算でデータ全体を使うため、大域的な最適解に向かいやすいという利点がありますが、逐次的に更新するオンライン学習や、小分けにするミニバッチ学習との違いを理解することがG検定では重要です。