機械学習のモデル選定をする際のエポック数と精度

Question

前提・実現したいこと

機械学習のモデルを比較する際の、エポック数と精度の関係について不明点があります。
エポック数が異なっていても、精度が最も良いエポック数をそれぞれ設定して比較するという理解で合っていますか？

訓練・テストに用いるデータは同じとします。
精度（F値と仮にする）がそれぞれ1番いい条件が、以下だった場合、今回のデータに対しては**「モデルA」**の方が適している。

 モデルA エポック数10 精度0.9
 モデルB エポック数14 精度0.8

他のパラメータも設定する場合があると思いますが、エポック数などパラメータを固定して精度比較をするのではなく、各モデルで一番精度のよい条件を設定したのち、モデル比較をすることが一般的ですか。

Comments

[meg_]

> 訓練・テストに用いるデータは同じとします。
何故上記の前提なのでしょうか？あえて同じとする意図は何でしょうか？

[退会済みユーザー]

書き方が不明瞭でした。 訓練・テストに用いるデータ自体は同一ではないですが、モデルAとBに対しては同じという意味でした。

Answer 1

エポック数などパラメータを固定して精度比較をするのではなく、各モデルで一番精度のよい条件を設定したのち、モデル比較をすることが一般的ですか。

はい。そのとおりです。

エポック数（厳密には最大エポック数）は、ハイパーパラメータの１つですので、他のハイパーパラメータとあわせてチューニングして、最適なモデルをつくって比較します。なぜなら、エポックを1から計算していくのは学習時のことであり、学習結果を使って実際に推論する実用時には、エポック数は関係無いからです。10エポックで最適値が得られることと、1万エポックで最適値が得られることの優劣はありません。