勾配降下法において発生するおそれのある「
局所最適解問題」や「
プラトー」という状況を避けるために、学習データの渡し方を工夫することがある。
バッチ学習は、パラメータの更新に全ての学習データを一括投入する手法。
学習データがX件ある場合、X件全てを使って予測・誤差を計算し、モデル性能を高めていく。
全てのデータを一度に利用するため、学習結果が安定しやすい。
学習データに異常データが少量混じっている場合でも、モデルの性能に与える悪影響を小さく抑えることができる。
ただし、全てのデータを利用するため、計算コストが大きい。