선형 서포트 벡터 머신(Support Vector Machine)의 마진(Margin) 분류 방법 2가지

선형 SVM(Support Vector Machine) 은 두 클래스를 가르는 초평면 중 마진, 즉 결정 경계와 가장 가까운 데이터점인 서포트 벡터 사이의 거리를 최대화해 일반화 성능을 확보하는 분류기이다. 마진 폭이 넓을수록 미지 데이터에 대한 결정 경계의 강건성이 높아진다는 통계 학습 이론에 근거를 둔다. 훈련 데이터의 선형 분리 가능성과 잡음·이상치 존재 여부에 따라 마진을 엄격히 둘지 일정 위반을 허용할지가 달라지며, 이에 따른 두 가지 마진 결정 방법이 하드 마진과 소프트 마진이다. 본 답안은 각 방법의 원리, 적용 조건, 슬랙 변수 도입의 필요성을 정리한다.