باختصار
غابة القرار (Decision Forest) نموذج مبني من عدّة أشجار قرار. وبيصدر تنبّؤه بتجميع تنبّؤات كل الأشجار المكوّنة له.
بالتفصيل
شجرة القرار الواحدة سهلة الفهم لكنها هشّة: تغيير بسيط في بيانات التدريب ممكن يغيّر الشجرة كلها، وشجرة واحدة عرضة لفرط التخصيص (Overfitting).
غابة القرار بتحلّ المشكلة دي بمبدأ بسيط: بدل شجرة واحدة، درّب عدّة أشجار مختلفة قليلًا عن بعض، وخُد رأي الأغلبية أو المتوسّط. الأخطاء الفردية لكل شجرة بتميل تلغي بعضها، والنتيجة الجماعية أكثر استقرارًا.
ومن أشهر أنواع غابات القرار: الغابات العشوائية (Random Forests)، اللي بتبني كل شجرة على عيّنة عشوائية من البيانات وعلى مجموعة عشوائية من السمات؛ والأشجار المعزَّزة تدريجيًا (Gradient Boosted Trees)، اللي بتبني كل شجرة جديدة لتصحّح أخطاء الأشجار السابقة.
الفرق بين النوعين جوهري: الغابة العشوائية بتبني أشجارها بالتوازي وباستقلالية، بينما الأشجار المعزَّزة بتتوالى بالتتابع وكل شجرة بتعتمد على أخطاء اللي قبلها.
مثال عملي
بتبني نموذجًا يقيّم مخاطر تخلّف عميل عن سداد قرض. شجرة قرار واحدة ممكن تعتمد بشكل مفرط على سمة واحدة زي الدخل، وتفشل لو الدخل كان غير ممثّل بدقّة.
غابة عشوائية من 200 شجرة، كل واحدة شافت عيّنة مختلفة من العملاء وسمات مختلفة، بتعطي تقييمًا أكثر ثباتًا لأن أخطاء الأشجار الفردية بتتوازن مع بعضها.
مصطلحات مرتبطة
- Decision Boundary — حدّ القرار.
- Out-of-Bag Evaluation — التقييم خارج الحقيبة.
- Overfitting — فرط التخصيص.
المصادر: Google ML Glossary
