マージン（機械学習）

機械学習では、単一のデータ ポイントのマージンは、データ ポイントから決定境界までの距離として定義されます。特定のデータセットと目標に適した距離と決定境界は多数あることに注意してください。マージン分類器は、各例のマージンを利用してそのような分類を学習する分類モデルです。マージンを最大化すること (適切な制約の下で) が機械学習と統計的推論アルゴリズムに有益である理由については、理論 的な根拠 ( VC 次元に基づく) があります。

与えられたデータセットに対して、それを分類できる超平面が多数存在する可能性があります。最適な超平面として妥当な選択肢の 1 つは、クラス間の最大の分離、つまりマージンを表す超平面です。したがって、各側で最も近いデータ ポイントまでの距離が最大になるように超平面を選択する必要があります。このような超平面が存在する場合、それは最大マージン超平面と呼ばれ、それが定義する線形分類器は最大マージン分類器(または、同等に、最適安定性のパーセプトロン) と呼ばれます。^{[引用が必要]}