Epoka to jednokrotne przejście całego zbioru danych treningowych przez algorytm uczenia maszynowego. W trakcie tej iteracji model analizuje każdy przykład uczący, co pozwala na stopniową aktualizację jego wag i parametrów. Zazwyczaj proces trenowania wymaga wielu epok, aby błąd modelu został zminimalizowany, a system skutecznie nauczył się wzorców w danych. Zbyt mała liczba epok może prowadzić do niedouczenia, podczas gdy ich nadmiar grozi przeuczeniem modelu.
Źródło: en.wikipedia.org
