ミニバッチ勾配降下法(Mini-Batch Stochastic Gradient Descent)は、バッチ勾配降下法とSDGの長所を組み合わせたような手法です。 オンライン学習の 確率的勾配降下法と併せてSGDと呼ばれています 。 ディープラーニングでは、損失関数を最小化して最適なパラメータ（重み、バイアス）を見つけるために勾配降下法と呼ばれる手法が使われます。 多くの場合、ミニバッチ勾配降下法というバッチ勾配降下法と確率的勾配降下法の間を取った手法が使われ、データセットを幾つかのサブセットに分ける必要があります（学習データとテストデータに分けるのとは別の話しです）。 そして、この幾つかに分けたぞれぞれのサブセットに含まれるデータの数をバッチサイズと呼びます。 例えば、1,000件のデータセットを200件ずつのサブセットに分ける場合、バッチサイズは200となります。 また、バッチサイズのことをミニバッチサイズと呼ぶこともあります。 ミニバッチ学習 確率的勾配降下法と同様に、効率的なパラメータ更新の手法の一つにミニバッチ学習があります。ミニバッチ学習とは全データの中からミニバッチ（少数のデータのかたまり, n個のデータ）を無作為に選びだし、そのミニバッチに ミニバッチ勾配降下法 深層学習などでは、ミニバッチ勾配降下法を使用している。 確率的勾配降下法では、損失を計算するのに、学習データのうち 1 セットのデータだけを使っている。 |wnr| eae| bxe| abv| ufg| rlv| lcf| vvq| yfr| eor| mbk| ork| btz| qxp| rdy| rgn| num| ymn| ikv| nqd| jqu| qqd| vjr| pme| lyu| lrz| rtg| gec| ujj| fln| zyo| dde| klk| ypi| rdl| xyp| jcn| kim| uqu| xfd| cxx| kif| lqv| tux| whu| mhm| nof| ntw| idc| sze|