負例とは、機械学習の教師あり学習において、予測や分類の対象ではないことを示すデータのことを指します。AIモデルが正しい判断を学習するために、正例と組み合わせて使用される重要なデータです。
負例とは
一言でいうと負例とは、AIに「これは違う」と教えるための不正解データのことであり、モデルの識別能力を高めるために不可欠な要素です。
詳しく解説
機械学習における教師あり学習では、AIに正解を教える正例だけでなく、正解ではないデータである負例を大量に学習させることが一般的です。例えば、画像認識で「猫」を検出するモデルを作る場合、猫の画像が正例となり、犬や自動車、風景など猫以外のすべての画像は負例として扱われます。これにより、AIは単に猫の特徴を覚えるだけでなく、他のものと猫を区別する境界線を正確に引くことができるようになります。特に異常検知や顔認証などの分野では、負例の質と量がモデルの性能を大きく左右するため、データ収集やアノテーションの段階で非常に重要視されています。
具体例・使われ方
迷惑メールフィルターの学習において、「通常のメール」は負例として扱われます。また、医療AIによる病変の検出では、「健康な組織の画像」が負例となり、病変がある画像である正例と比較されることで診断精度が向上します。
似た用語との違い
正例が「モデルが検出すべき目標や肯定すべきデータ」を指すのに対し、負例は「検出対象ではない、または否定すべきデータ」を指す点が異なります。
注意点
現実のデータセットでは負例が圧倒的に多くなりがちであり、データ量に大きな偏りがあるとモデルの学習が不安定になる点に注意が必要です。また、不適切な負例を選ぶとAIが誤った特徴を学習してしまうリスクがあります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月28日 17:45