ハードマージンとは、サポートベクターマシンにおいてデータを完全に誤分類なく2つのクラスに分離する境界面（ハイパープラン）を学習する手法です。データが線形分離可能な場合に適用され、境界から最も近いデータ点までの距離（マージン）を最大化します。ノイズが存在しない理想的なデータに適しています。
ハードマージンとは
ハードマージンとは、データを誤分類なしで完全に2つのグループに分ける境界を引き、境界とデータ間の距離（マージン）を最大化する機械学習の手法です。
詳しく解説
サポートベクターマシンで用いられる概念であり、データ群を分類するハイパープランを決定する際に、誤分類を一切許容しない厳格な条件を設定します。このとき、境界に最も近いデータ点とハイパープランとの間の距離を「マージン」と呼び、このマージンを最大化することでモデルの汎化性能を高めます。データ全体が直線や超平面で完全に分けられる「線形分離可能」なデータセットに対してのみ計算が成功するという特徴があります。
具体例・使われ方
例えば、ノイズが一切含まれない実験データや、明確なルールに基づく分類問題で使用されます。赤と青のデータ点が平面上に配置され、一本の直線で完璧に二分できる場合に、その直線と両方の点群との隙間が最も広くなる位置を計算して決定するイメージです。
似た用語との違い
「ソフトマージン」との違いは、誤分類に対する許容度です。ハードマージンがデータの誤分類を1つも認めず厳密な分離を行うのに対し、ソフトマージンは実世界のノイズや外れ値を考慮し、一定の誤分類やマージン内部へのデータの侵入を許容して柔軟な境界を学習します。
注意点
実世界のデータにはノイズや外れ値が含まれることが多く、完全に線形分離可能であるケースは稀です。そのため、ハードマージンを実際のデータセットに適用すると過学習を起こしやすくなったり、解が存在せずモデルの学習が解なしで終了したりする限界があります。