باختصار
حدّ القرار (Decision Boundary) هو الفاصل بين الفئات اللي يتعلّمه النموذج في مسائل التصنيف الثنائي أو متعدّد الفئات.
بالتفصيل
لو تخيّلت أمثلة بياناتك كنقاط في فضاء، وكل نقطة ملوّنة حسب فئتها، فحدّ القرار هو الحدود الفاصلة بين مناطق الألوان — مثلًا بين الفئة البرتقالية والفئة الزرقاء.
الأهمّية العملية إن شكل هذا الحدّ بيلخّص «ما تعلّمه النموذج» بشكل مرئي. نموذج خطّي بينتج حدًّا مستقيمًا؛ ونموذج أكثر تعقيدًا بينتج حدودًا منحنية ومتعرّجة.
وقراءة شكل الحدّ بتكشف مشكلات شائعة. حدّ مفرط التعرّج، بيلتفّ حوالين نقاط فردية، علامة كلاسيكية على فرط التخصيص (Overfitting): النموذج حفظ أمثلة بعينها بدل ما يتعلّم القاعدة. وحدّ مفرط البساطة على بيانات معقّدة علامة على قصور التخصيص (Underfitting).
ونقطة تانية مهمّة: النقاط القريبة من حدّ القرار هي الأقلّ يقينًا. النموذج بيصنّفها، لكن بثقة منخفضة — وهي عادةً مصدر معظم الأخطاء.
مثال عملي
نموذج بيصنّف رسائل إلى «مزعجة» و«عادية» بناءً على سمتين: عدد الروابط، ونسبة الحروف الكبيرة.
لو رسمت الرسائل على محورين، هتلاقي منطقة أعلى اليمين (روابط كتير وصياح) مزعجة، وأسفل اليسار عادية. الخطّ الفاصل بينهما هو حدّ القرار. والرسائل الواقعة عليه تمامًا — رابطان ونسبة متوسّطة — هي اللي النموذج بيغلط فيها أكتر.
مصطلحات مرتبطة
- Binary Classification — التصنيف الثنائي.
- Overfitting — فرط التخصيص.
- Classification Threshold — عتبة التصنيف.
المصادر: Google ML Glossary
