Maximum-Margin

Definition / 释义

最大间隔（maximum-margin）：在机器学习（尤其是支持向量机 SVM）中，指在可分情况下选择一个分类边界，使其与两类样本中“最近的点”（支持向量）之间的距离（间隔）尽可能大，从而通常带来更好的泛化能力。该术语也可泛指“使安全余量/缓冲空间最大化”的原则。

Pronunciation / 发音

/ˌmæk.sɪ.məm ˈmɑːr.dʒɪn/

Examples / 例句

A maximum-margin classifier often generalizes better than a classifier with a smaller margin.
最大间隔分类器通常比间隔更小的分类器具有更好的泛化能力。

By enforcing a maximum-margin decision boundary, the model becomes less sensitive to small perturbations in the training data.
通过强制采用最大间隔的决策边界，模型对训练数据中的微小扰动会更不敏感。

Etymology / 词源

该短语由 maximum（最大） + margin（边缘/余量/间隔） 组合而成。在统计学习与几何直观中，“margin”指决策边界到最近样本点的距离；“maximum-margin”强调把这个距离最大化。随着 1990 年代支持向量机理论与应用传播，这一说法在机器学习领域广泛固定下来。

Related Words / 相关词

• Support Vector Machine
• Margin
• Hyperplane
• Classifier
• Kernel
• Regularization
• Generalization
• Hinge Loss

Literary Works / 文学与经典著作

• Cortes, C. & Vapnik, V. (1995) Support-vector networks（提出并系统化最大间隔思想的经典论文）
• Vapnik, V. (1998) Statistical Learning Theory（统计学习理论框架中对间隔与泛化的讨论）
• Bishop, C. M. (2006) Pattern Recognition and Machine Learning（以教材形式讲解最大间隔与 SVM）
• Hastie, Tibshirani & Friedman (2009) The Elements of Statistical Learning（在统计学习视角中讲解最大间隔分类器）