【そうきうちきり】

早期打ち切り（Early Stopping）とは？

最終更新: 2026年10月8日

💡 「もう伸びない」と見極めたら潔くストップする、賢い練習の切り上げ方

訓練中に検証データなどの指標を監視し、設定した条件で改善が見られなくなったら訓練を止める手法。過学習や不要な計算を抑えるために使うが、停止条件や使うモデルの選び方を決める必要がある。

📌 このページのポイント

仮の損失値を使い、毎エポック評価する例です。最良時点のモデルを使うには、保存・復元の設定を確認します。

ひよこ

何を見て途中でやめるの？

ペンギン先生

典型的には、訓練とは別の検証データで損失や正解率を測るよ。訓練データでの成績が良くなり続けても、検証では悪くなることがある。監視する指標の改善が設定した条件で止まったら、訓練を打ち切るんだ。

ひよこ

一回でも悪くなったら止める？

ペンギン先生

すぐに止めず、patienceで改善を待つ回数を指定できるよ。図では毎エポック評価し、検証損失が最良の4回目のあと、5・6回目の2回続けて改善しないので6回目で停止する例だね。損失なら小さい方、正解率なら大きい方が良いことにも注意しよう。

ひよこ

待つ回数は10にすればいい？

ペンギン先生

全ての学習に合う値はないよ。小さすぎると一時的な停滞で止まり、大きすぎると不要な計算が増えることがある。評価の頻度、指標の揺れ、改善とみなす最小変化量などを合わせて決め、検証データで確かめよう。

ひよこ

停止したモデルが一番良いの？

ペンギン先生

改善を待つ間に成績が悪くなれば、停止時点と最良時点は違うよ。KerasのEarlyStoppingはrestore_best_weightsを指定して最良時点の重みを復元できるけれど、既定値はFalse。チェックポイントへの保存も含め、何を最終的に使うか確認するんだ。

ひよこ

ペンギン先生

勾配ブースティングでも使われるよ。XGBoostにはEarlyStoppingコールバックがあり、監視する評価データと指標を指定できる。設定名や最良モデルの扱いはライブラリで違うので、同じパラメーターで動くとは考えないようにしよう。

ひよこ

止めれば過学習を必ず防げる？

ペンギン先生

訓練の続けすぎを抑える手段だけれど、保証ではないよ。検証データの選び方や、条件を何度も調整する影響もある。停止条件の選択に使う検証データと、最後の性能確認に使うテストデータを分けて扱おう。

まとめ：ざっくりこれだけ覚えればOK！

「早期打ち切り」って出てきたら「検証スコアが伸び悩んだら訓練をやめる仕組み」と思えればだいたいOK！

📖 おまけ：英語の意味

「Early Stopping」＝早期停止・早期打ち切り

💬 earlyは早い段階、stoppingは停止。あらかじめ決めた最大回数まで続けず、指標に基づく条件で訓練を終えることだよ

参考資料