決定境界とは、機械学習の分類モデルが異なるクラスやグループを区別するために用いる境界線のことです。入力されたデータがどのカテゴリに属するかを判定する基準となり、サポートベクターマシンやニューラルネットワークなどのアルゴリズムにおいてモデルの性能を左右する重要な役割を持ちます。
決定境界とは
詳しく解説
決定境界は、特徴量空間内において、モデルが予測を行う際の境界を指します。例えば、りんごとみかんを画像認識で分類する場合、特徴量空間上にそれぞれのデータがプロットされ、それらを分ける線（または高次元の場合は超平面）が引かれます。この線が決定境界です。ロジスティック回帰やサポートベクターマシンなどの教師あり学習アルゴリズムは、訓練データをもとに最適な決定境界を学習します。新しいデータが入力された際、この境界のどちら側に位置するかを計算することで、モデルはクラスを予測します。
具体例・使われ方
迷惑メールの自動判定において、「特定のキーワードの含有率」と「送信元の信頼度」という2つの特徴量を軸にした2次元平面上で、迷惑メールと通常メールを分ける直線が決定境界の具体例です。また、画像認識や手書き文字認識など、より複雑な高次元データにおいても非線形な決定境界が使われます。
似た用語との違い
データの特徴そのものを指す「特徴量」や、モデルが学習によって調整する「パラメータ」とは異なります。決定境界は、それらのパラメータに基づいて最終的に出力される分類の基準線そのものを指します。
注意点
訓練データに対して決定境界を複雑にしすぎると、未知のデータに対する予測精度が落ちるオーバーフィッティング（過学習）を引き起こす原因になります。また、データの分布によっては直線で綺麗に分離できない場合もあり、カーネル法などの工夫が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月31日 07:21