En el aprendizaje automático, el margen de un único punto de datos se define como la distancia desde el punto de datos hasta un límite de decisión . Tenga en cuenta que hay muchas distancias y límites de decisión que pueden ser apropiados para determinados conjuntos de datos y objetivos. Un clasificador de margen es un clasificador que utiliza explícitamente el margen de cada ejemplo mientras aprende un clasificador. Existen justificaciones teóricas (basadas en la dimensión VC ) de por qué maximizar el margen (bajo algunas restricciones adecuadas) puede ser beneficioso para el aprendizaje automático y los algoritmos de inferencias estadísticas.
Hay muchos hiperplanos que pueden clasificar los datos. Una elección razonable como mejor hiperplano es la que representa la mayor separación, o margen , entre las dos clases. Así que elegimos el hiperplano para maximizar la distancia desde él hasta el punto de datos más cercano en cada lado. Si tal hiperplano existe, se conoce como hiperplano de margen máximo y el clasificador lineal que define se conoce como clasificador de margen máximo ; o equivalentemente, el perceptrón de estabilidad óptima. [ cita requerida ]