マージン最大化の理解

問題

マージン最大化に関する記述のうち誤りを1つ選べ。

マージン最大化は、サポートベクターマシン（SVM）などの分類アルゴリズムにおいて、異なるクラスのデータを分割する境界線（決定境界）を引く際、境界線と最も近いデータ（サポートベクター）との距離（マージン）が最大になるように境界線を決定する考え方です。

マージンを広く取ることで、未知の新しいデータに対しても誤分類しにくくなり、汎化性能（ロバスト性）が向上します。AIモデルが現場で安定した予測精度を保つための重要な基本概念です。

1. マージン最大化は分類の安定性を高める考え方である

正しい：決定境界からデータまでの距離（マージン）を最大化することで、未知のデータに対する分類の安定性（汎化性能）を高めることができます。

2. マージンが広いほど少しのズレで誤分類しにくくなる

正しい：マージン（余裕）が広いほど、新しいデータがわずかに本来の位置からズレていても正しいクラスに分類されやすくなり、モデルのロバスト性が向上します。

3. ソフトマージンは誤差を許容する設定である

正しい：現実のデータにはノイズが混ざっており完全に分類できないことが多いため、一部のデータがマージン内に入ったり誤分類されたりすることをペナルティとして許容しつつ、マージンを最大化する手法が「ソフトマージン」です。

4. ハードマージンは誤差を許容しながら分類する手法である

誤り：誤分類やマージン内へのデータの侵入を一切許容せず、完全にデータを分離しようとするのが「ハードマージン」です。誤差を許容するのは「ソフトマージン」です。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ