深層学習の訓練方法について

Question

深層学習の訓練方法について質問です。
ここでは検証データでパラメータを調整することを考えず、訓練データとテストデータの2つを使用するとします。

通常はネットワークモデルを宣言した後、指定epoch回訓練データでモデルを訓練させ, テストデータで結果の評価を行うという流れですが, そうではなく, 1epoch分の訓練が終わるたびテストデータで結果を評価し, 指定epoch回訓練が終わった後, テストデータの結果が最もよかったモデルを採用するという方法は、どんなメリットがあるのですか？
後者の方法に名前はあるのでしょうか？

詳しい方がいらっしゃいましたらご教授いただきたいです。

Comments

[meg_]

> 1epoch分の訓練が終わるたびテストデータで結果を評価し, 指定epoch回訓練が終わった後, テストデータの結果が最もよかったモデルを採用するという方法
出典は何でしょうか？
その方法ですとテストデータだけに適合したモデルを選択してしまう危険性はありませんか？

Answer 1

指定epoch回訓練が終わった後, テストデータの結果が最もよかったモデルを採用するという方法

これはテストデータの結果が最も良かったEpochのモデルを採用するという前提で回答を書きます．
メリットとして過学習を防ぐことができると思います（学習に使っていないデータで評価しているため）
名前があるのかどうかは知りません．あと質問の追記で指摘されているような，テストデータにのみ適合するモデルになることはないと思います，なぜなら，テストデータを学習に用いていないからです．
あと，このような使い方をするデータを検証データ（validation data）とよびます．テストデータと呼ぶのは不適切だと思います．