正例とは、機械学習の分類問題においてモデルが検出や識別を目指す対象となるデータのことです。例えばスパムメール検出におけるスパムメールや、画像診断における病変画像などが該当します。対義語である負例と組み合わせて学習させることで、モデルは対象の特徴を正しく捉えられるようになります。
正例とは
正例とは、機械学習の分類タスクにおいて、判定の対象として探している条件や特定のクラスに該当するデータのことです。
詳しく解説
正例は、主に教師あり学習の二値分類などのタスクで重要となる概念です。モデルに何が目的の対象（例えば不正利用、特定の病気、購入予測など）であるかを教えるためのデータとして使用されます。正例だけを学習させても境界線を正しく学習できないため、対象ではないデータである負例とセットでデータを準備する必要があります。分類モデルの評価指標である混同行列では、モデルが正例と予測して実際に正例だった場合を真陽性と呼び、適合率や再現率といった評価指標の計算に活用されます。
具体例・使われ方
具体例として、迷惑メールフィルタではスパムメールを正例、正常なメールを負例として学習させます。医療画像診断AIでは病変が映っている画像を正例、正常な組織の画像を負例として分類します。またクレジットカードの不正検知では、不正に利用された取引データを正例として検知モデルを構築します。
似た用語との違い
正例と対になる概念が負例です。正例が「検知したい対象」を表すのに対し、負例は「それ以外の対象（正常なデータなど）」を表します。例えば製造ラインの良品判定において欠陥品を正例として定義する場合、問題のない良品データが負例となります。どちらを正例とするかは分析の目的やタスクの定義によって決まります。
注意点
正例と負例のラベル付けに誤りがあるとモデルの予測精度が著しく低下します。また現実に発生するデータでは正例が非常に少なく負例が大部分を占めるデータ不均衡になりやすいため、適切な対策を行わないとモデルがすべてのデータを負例と予測してしまうリスクがあります。