【G検定過去問風テスト】2つのデータの距離を制御する対照損失とトリプレット損失の違い

2026年7月24日 2026年7月24日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

データ間の類似度や距離を学習する誤差関数に関する記述として、最も適切な選択肢を1つ選べ。

A）Contrastive Loss（対照損失）は、基準となるデータ（Anchor）と2つの異種データ（Negative）の計3つのデータを使用して距離関係を調整する手法である。
B）Triplet Loss（トリプレット損失）は、基準データ（Anchor）、同種データ（Positive）、異種データ（Negative）の3つのデータを用い、AnchorとPositiveの距離を縮めつつ、AnchorとNegativeの距離を引き離すように学習する。
C）カルバック・ライブラー情報量（KLダイバージェンス）は対称性を持つ指標であり、分布Aから見た分布Bの距離と、分布Bから見た分布Aの距離は常に一致する。
D）回帰問題において、モデルの出力値と教師データの確率分布のズレを計算するためには一般的にContrastive Lossが用いられる。

🔍 ここをクリックして正解を見る

正解: B）Triplet Loss（トリプレット損失）は、基準データ（Anchor）、同種データ（Positive）、異種データ（Negative）の3つのデータを用い、AnchorとPositiveの距離を縮めつつ、AnchorとNegativeの距離を引き離すように学習する。

💡 合格に近づく！徹底解説

重要度: ★★☆

■ 1分で分かる！この問題の要点

Contrastive Loss（対照損失）: ペア（2つ）のデータが同じ仲間か別仲間かで距離を調整する。
Triplet Loss（トリプレット損失）: 3人用（Anchor / Positive / Negative）の組み合わせで「仲間を近く、別人を遠く」へ引き離す。
KLダイバージェンス: 2つの確率分布の違いを測る指標だが、「非対称（見る向きで数値が変わる）」という特徴がある。

■ 初学者向け解説（例え話や背景）

Contrastive LossとTriplet Lossは、スマホの顔認証システムのように「この写真は本人か？」を判定するときに使われるデータ間の距離を類似度で調整する誤差関数です。

Contrastive Loss（ペアで評価）: 2人の写真を見比べて、「同じ人ならギュッと近づける」「別の人なら遠ざける」という調整を行います。
Triplet Loss（トリオで評価）: 「自分の写真（基準）」「別の日の自分の写真（同種）」「赤の他人の写真（異種）」の3人を一度に呼び出し、「同種とは仲良く接近、異種とは一蹴して遠ざける」という厳密な配置転換を命令します。

また、確率分布のズレを測るKLダイバージェンスは「非対称」という試験超頻出キーワードがあります。「Aさんから見えたBさんまでの距離感」と「Bさんから見えたAさんまでの距離感」が違う、とイメージしておきましょう！

■ 選択肢の解説

A) Contrastive Loss（対照損失）は、基準となるデータ（Anchor）と2つの異種データ（Negative）の計3つのデータを使用して距離関係を調整する手法である。（×）: 不適切です。3つのデータを使用するのは「Triplet Loss」です。Contrastive Lossはペア（2つ）のデータ関係を扱います。
B) Triplet Loss（トリプレット損失）は、基準データ（Anchor）、同種データ（Positive）、異種データ（Negative）の3つのデータを用い、AnchorとPositiveの距離を縮めつつ、AnchorとNegativeの距離を引き離すように学習する。（○）: 記述の通りです。トリプレット（3つ組）の正しい構成と動作説明です。
C) カルバック・ライブラー情報量（KLダイバージェンス）は対称性を持つ指標であり、分布Aから見た分布Bの距離と、分布Bから見た分布Aの距離は常に一致する。（×）: 不適切です。KLダイバージェンスは「非対称」であるため、見る方向（順序）によって値が変化します。
D) 回帰問題において、モデルの出力値と教師データの確率分布のズレを計算するためには一般的にContrastive Lossが用いられる。（×）: 不適切です。回帰問題で一般的に用いられるのは「平均二乗誤差（MSE）」などです。Contrastive Lossはデータ同士の類似度・ペア学習で用いられます。

リンク