② 機械学習の概要 ／ 7. 教師あり学習
マージン最大化とは
マージン最大化とは、決定境界と最も近いデータ点との距離を最大にするという考え方です。これにより未知のデータに対しても高い汎化性能が期待できます。
この用語はG検定シラバスの「7. 教師あり学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
境界とデータの間の余白をできるだけ広く取る、という考え方です。
なぜ余白を広く取るのか
境界がどちらかのクラスにぎりぎり寄っていると、未知のデータが少しずれただけで誤分類してしまいます。
余白（マージン）を広く取れば、多少のばらつきがあっても正しい側に収まるため、未知データへの強さが増します。これが汎化性能の向上につながる理屈です。
サポートベクトルとの関係
マージンを決めているのは、境界に最も近い位置にあるごく少数のデータ点だけです。これをサポートベクトルと呼びます。
遠くにあるデータをいくら増やしても境界は動きません。この性質はSVMの特徴として押さえておきたいところです。
ハードマージンとソフトマージン
- ハードマージン：誤分類を一切許さない。きれいに分離できるデータでしか使えない
- ソフトマージン：多少の誤分類を許容する代わりに、マージンを広く取る
現実のデータには例外が混ざるため、ソフトマージンのほうが実用的です。許容の度合いはパラメータで調整します。
🎯 G検定での押さえどころ
- 境界と最近傍データ点の距離を最大化する
- 汎化性能の向上が目的
- 境界を決めるのはサポートベクトルのみ
⚠️ よくある誤りの選択肢
- 「マージン最大化は訓練データへの当てはまりを最大化する考え方である」→ 誤り。未知データへの強さ（汎化性能）を狙います
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「教師あり学習③ サポートベクターマシン」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。