ハードターゲットとは、機械学習の分類問題において正解ラベルを「0か1か」の確信的な値として与える教師データの表現方法です。ニューラルネットワークの学習時に広く使われますが、過剰適合を引き起こすリスクがあるため注意が必要です。
ハードターゲットとは
一言でいうと、ハードターゲットとは機械学習モデルの訓練時に使用される、100%正解であることを示す確定的（ワンホット）な正解ラベルのことです。
詳しく解説
機械学習の教師あり学習、特に画像分類などのタスクにおいて、正解データをモデルに教えるための形式の一つです。例えば、猫の画像に対する正解を「猫＝1、犬＝0、鳥＝0」というように、確率が完全に一方に偏ったバイナリ形式で表現します。このアプローチはニューラルネットワークの訓練において歴史的に標準的な手法であり、損失関数であるクロスエントロピー損失などと組み合わせて効率的に勾配降下法を行うために利用されてきました。
具体例・使われ方
10種類の動物を分類する画像認識モデルの訓練において、ある画像が「犬」である場合、正解ラベルを [0, 1, 0, 0, 0, 0, 0, 0, 0, 0] という配列として与えます。これが典型的なハードターゲットを用いたデータ表現です。
似た用語との違い
確率的な正解の表現であるソフトターゲットとは対照的な概念です。ソフトターゲットが「猫である確率が80%、犬である確率が20%」のように曖昧さやクラス間の関係性を持たせるのに対し、ハードターゲットは例外を認めず完全に一方を「正解」、他方を「不正解」とみなします。
注意点
モデルに過度な自信（オーバーコンフィデンス）を持たせてしまい、未知のデータに対して柔軟に対応できなくなる過剰適合のリスクが高まる点がデメリットです。また、データのノイズやラベルの誤りに対して非常に敏感であるため、場合によっては精度向上の妨げになることがあります。