باختصار
التصنيف الثنائي (Binary Classification) نوع من مهامّ التصنيف بيتنبّأ بواحدة من فئتين متنافيتين: الفئة الموجبة (Positive Class) أو الفئة السالبة (Negative Class).
بالتفصيل
«متنافيتان» هنا كلمة أساسية: المثال الواحد بيقع في فئة واحدة فقط، مش الاتنين ولا لا هذه ولا تلك.
ومن الأمثلة النموذجية:
- نموذج بيحدّد هل الرسالة بريد مزعج (الفئة الموجبة) أم غير مزعج (الفئة السالبة).
- نموذج بيقيّم أعراضًا طبّية ليحدّد هل الشخص مصاب بمرض معيّن (موجبة) أم غير مصاب (سالبة).
ولاحظ إن تسمية «موجبة» و«سالبة» اصطلاحية، مش قيمة أخلاقية. الفئة الموجبة هي اللي بتدوّر عليها، حتى لو كانت شيئًا سيّئًا زي المرض أو الاحتيال.
ويقابل التصنيف الثنائي التصنيفُ متعدّد الفئات (Multi-class Classification)، اللي بيختار من أكتر من فئتين.
وعمليًا، مخرَج النموذج بيكون قيمة خام بين 0 و1 — غالبًا من انحدار لوجستي — وبعدين بتتحوّل لقرار عبر عتبة تصنيف (Classification Threshold) يختارها إنسان، مش التدريب.
مثال عملي
بتبني فلتر لتعليقات موقعك: «مسيء» أو «غير مسيء». دي مسألة تصنيف ثنائي، والفئة الموجبة هي «مسيء» لأنها اللي بتحاول تمسكها.
لو قرّرت بعدين إنك عايز تفرّق بين «مسيء» و«إعلان» و«خارج الموضوع»، المسألة بقت متعدّدة الفئات — ولازم تعيد تصميم المخرَج والمقاييس.
مصطلحات مرتبطة
- Classification Threshold — عتبة التصنيف.
- Confusion Matrix — مصفوفة الالتباس.
- Logistic Regression — الانحدار اللوجستي.
المصادر: Google ML Glossary
