Маржа (машинное обучение) - Margin (machine learning)

ЧАС₁ не разделяет классы.
ЧАС₂ делает, но только с небольшим запасом.
ЧАС₃ разделяет их с максимальным запасом.

В машинное обучение в поле одной точки данных определяется как расстояние от точки данных до граница решения. Обратите внимание, что существует множество расстояний и границ принятия решений, которые могут подходить для определенных наборов данных и целей. А классификатор маржи это классификатор, который явно использует запас каждого примера при изучении классификатор. Есть теоретические обоснования (на основе Размер ВК ) относительно того, почему максимальная маржа (при некоторых подходящих ограничениях) может быть полезной для алгоритмов машинного обучения и статистических выводов.

Есть много гиперплоскостей, которые могут классифицировать данные. Один разумный выбор в качестве лучшей гиперплоскости - это та, которая представляет наибольшее разделение, или поле, между двумя классами. Поэтому мы выбираем гиперплоскость так, чтобы расстояние от нее до ближайшей точки данных с каждой стороны было максимальным. Если такая гиперплоскость существует, она известна как гиперплоскость с максимальным запасом а линейный классификатор, который он определяет, известен как максимум классификатор маржи; или, что то же самое, перцептрон оптимальной устойчивости.^{[нужна цитата ]}