Margin
決定境界から最も近いデータ点までの距離。マージンが大きいほど、ノイズに対して頑健な境界となる。分類問題では yf(x) という積で表され、正であれば正しく分類、負であれば誤分類を意味する。
「マージン（余裕）という重要な概念」
「マージンを最大化する問題」
「yf(x)という積がマージン。正で正しく分類、負で誤分類」
「マージン m = y・f(x) が「自信の強さ」を表す物差し」
「マージンが大きい境界ほど未知データに安全」
「ブースティングはマージン最大化を実現している」
「L₁正則化マージンとブースティングの関係」