マージン最大化

サポートベクターマシンにおいて、境界線とデータの間の距離であるマージンを最も大きくするような境界を決定する最適化の手法です。このマージンが大きいほど、境界線が安定し、未知のデータに対する予測精度が高まります。

学習データのうち、境界に最も近いデータであるサポートベクターのみを用いて境界線を決定します。それ以外のデータは境界決定に影響を与えないため、ノイズに対して頑健なモデルを作成できます。

G検定では、サポートベクターマシンの重要な特徴として問われます。境界の引き方に複数の候補がある場合、最も余裕のある線を引くことで、汎化性能を最大化させるという考え方を理解しておく必要があります。