最大边际计算（max marginal computation），理学-计算机科学技术-计算机科学理论-概率统计-概率推理，一种在机器学习中分类任务的求解过程。最大边际计算一般指支持向量机中的最大间隔计算过程。具体地说，在给定两类样本的数据集的前提下，寻找一个将两类样本分隔开的超平面（separating hyperplane），并且使得两类样本之间的边界间隔(margin)最大化的过程。通过最大边际计算从而最终得到的超平面被称为决策边界（decision boundary）。满足最大边界间隔的超平面，可将数据分为正负两类，此时的决策置信度最大。最大边际计算的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。对于线性可分的数据集来说，这样的超平面有无穷多个，但是几何间隔最大的分离超平面却是唯一的。对于多维数据集，系统随机产生一个超平面，对样本进行分类，直到训练样本中属于不同类别的样本点正好位于该超平面的两侧，满足该条件的超平面两侧的空白区域最大化，从而实现对线性可分样本的最优分类。在机器学习中，间隔常用来度量分类器的置信度。