G検定（ジェネラリスト検定） 機械学習の概要 練習問題 第24問: ソフトマージンのサポートベクターマシン（SVM）では、マージンの内側や反対側に入った訓練データのはみ出しの量（スラック変数）の和に係数Cを掛けたものを、最小化す

正解: 3. Cを大きくするほど境界はなめらかになって訓練データへの当てはまりが緩み、過学習が起こりにくくなる

肢3が不適切です。scikit-learn のユーザーガイド（SVM の章）は、C は訓練データの誤分類と境界の単純さとの釣り合いをとる値で、C が小さいと境界はなめらかになり、大きいと訓練データを正しく分けることを目指すとしています。The Elements of Statistical Learning（Hastie ほか）12.3節も、カーネルで広げた特徴空間では、大きな C が元の空間でうねった過学習の境界を招くとしています。 肢3は向きが逆です。 肢1は正しく、同ガイドは C を交差検証で選ぶよう勧めます。肢2も正しく、同書12.2節の例では C = 0.01 のほうが C = 10,000 よりマージンが広く、小さい C ほど離れた点まで関わります。肢4も正しく、同書は分離可能な場合を C = ∞ としています。C をはみ出しの許容量（予算）と定義する教科書では向きが逆です。

関連キーワード: サポートベクターマシン・ソフトマージン・正則化・交差検証