問題 No.1205
サポートベクターマシンにおいて、元の低次元空間では直線や超平面で綺麗にグループを分けることができない複雑なデータに対し、データを敢えて高次元の空間へと写像し、その高次元空間上で線形分離を可能にするために用いられる計算上の工夫はどれか。
【正解の解説】
カーネルトリック
カーネルトリックは、元のデータ空間では複雑で分けられないものを、仮想的に高次元へ引き上げることで、簡単に直線（超平面）で分けられるようにする計算の魔法です。低次元のデータのままでも計算が可能な工夫です。
スポンサーリンク
【その他の選択肢の解説】
マージン最大化
マージン最大化は、サポートベクターマシンにおいて、境界線とデータの間の余白をできるだけ広く取る手法です。これにより、未知のデータに対して頑健な識別が可能になります。
アンサンブル学習
アンサンブル学習は、複数の学習モデルを組み合わせて、最終的な予測精度を高める手法です。単一のモデルの弱点を補い合う仕組みです。
正則化
正則化は、モデルが訓練データに適合しすぎてガチガチになる（過学習）のを防ぐために、あえて適度な複雑さを制限する手法です。