باختصار
عتبة التصنيف (Classification Threshold) هي رقم بين 0 و1 بيحوّل المخرَج الخام لنموذج الانحدار اللوجستي إلى تنبّؤ بالفئة الموجبة أو السالبة.
بالتفصيل
نموذج الانحدار اللوجستي بيخرج قيمة خام بين 0 و1. وبعدين:
- لو القيمة الخام أكبر من عتبة التصنيف، يُتنبَّأ بالفئة الموجبة.
- لو كانت أقلّ من العتبة، يُتنبَّأ بالفئة السالبة.
فلو كانت العتبة 0.8 والقيمة الخام 0.9، النموذج بيتنبّأ بالفئة الموجبة. ولو كانت القيمة 0.7، بيتنبّأ بالفئة السالبة.
والنقطة الأهمّ اللي بتغيب عن كتير من المبتدئين: عتبة التصنيف قيمة يختارها إنسان، وليست قيمة يختارها تدريب النموذج.
واختيار العتبة بيؤثّر بقوّة على عدد الإيجابيات الكاذبة (False Positives) والسلبيات الكاذبة (False Negatives). عتبة منخفضة بتمسك حالات أكتر لكن بإنذارات كاذبة أكتر؛ وعتبة عالية بتقلّل الإنذارات الكاذبة لكن بتفوّت حالات حقيقية.
ومع تطوّر النماذج أو البيانات، أحيانًا بيغيّر المهندسون العتبة — وساعتها ممكن تنقلب تنبّؤات من موجبة إلى سالبة والعكس فجأة.
مثال عملي
نموذج تشخيص مرضي. في السنة الأولى: القيمة الخام لمريض معيّن 0.95، والعتبة 0.94، فالنظام يشخّص الفئة الموجبة — «أنا مريض!».
بعد سنة: نفس المريض، ونفس القيمة الخام 0.95، لكن العتبة اتغيّرت إلى 0.97. فالنظام يعيد تصنيفه كفئة سالبة — «أنا لست مريضًا!». نفس المريض، تشخيص مختلف — والفرق كله في رقم اختاره إنسان.
مصطلحات مرتبطة
- Binary Classification — التصنيف الثنائي.
- Confusion Matrix — مصفوفة الالتباس.
- False Positive — الإيجابية الكاذبة.
المصادر: Google ML Glossary
