最大间隔

最大间隔（large margin），理学-计算机科学技术-人工智能-机器学习-统计学习，机器学习中划分超平面构建的一个准则。机器学习算法通过构建最大间隔的划分超平面，可以得到性能不错的分类器。假定有一个线性可分的样本集，希望找到一个划分超平面将两类数据样本分开。通常，能够将类别精确分开的解是无穷的，但是算法求出的解依赖于和初始值的设置，同时还依赖于样本点出现的顺序。在存在多个候选划分超平面的情况下，需要对划分超平面引入额外的准则来解决。机器学习的支持向量机模型中引入了间隔（margin）的概念，间隔是指离划分超平面最近的两类样本点到划分超平面的距离之和。在支持向量机中，决策边界被选为使间隔最大化的那个决策边界。最大间隔，简单来说就是极大化两个类到划分超平面最近点的距离。这不仅使得划分超平面的解唯一，而且通过极大化训练数据上两个类之间的间隔，能够提升分类模型的泛化性能。下面具体介绍最大间隔在支持向量机中的作用。