内挿は「既知のデータ範囲の内側」を予測すること、外挿は「既知のデータ範囲の外側」を予測すること
山崎講師こんにちは。ゆうせいです。
機械学習における内挿（Interpolation）と外挿（Extrapolation）は、モデルが予測を行う際のデータの範囲に関係する重要な概念です。簡単に言うと、内挿は「既知のデータ範囲の内側」を予測すること、外挿は「既知のデータ範囲の外側」を予測することです。
内挿 (Interpolation) - 安全な予測 😌
内挿は、モデルが学習に使ったデータの範囲内で新しいデータポイントの値を予測することです。
例えば、ある家の価格を予測するモデルを考えてみましょう。学習に「50平方メートルから150平方メートルまで」の家のデータを使ったとします。このモデルを使って「100平方メートル」の家の価格を予測する場合、これは内挿になります。
特徴:
- 信頼性が高い: モデルは既知のデータパターンに基づいて予測するため、一般的に精度が高く、信頼できます。
- リスクが低い: 学習データに囲まれた範囲での予測なので、突拍子もない結果になる可能性は低いです。
例え:
テスト勉強で問題集の1ページから50ページまでを勉強したとします。テストでその範囲内の問題が出題されたら、自信を持って答えられますよね？これが内挿のイメージです。
外挿 (Extrapolation) - 危険な予測 😰
外挿は、モデルが学習に使ったデータの範囲を超えた未知の領域で予測を行うことです。
先ほどの家の価格予測モデルで、「200平方メートル」の家の価格を予測しようとする場合、これは外挿にあたります。モデルは150平方メートルまでのデータしか知らないため、それ以降の価格がどう変動するかは全くの未知数です。
特徴:
- 信頼性が低い: 学習データがない範囲の予測なので、モデルは今ある知識から「たぶんこうなるだろう」と推測するしかありません。その結果、予測が大きく外れる危険性があります。
- リスクが高い: 例えば、家の広さと価格が単純な比例関係にあるとは限りません。ある一定の広さを超えると、価格の上がり方が鈍化したり、逆に急上昇したりするかもしれません。モデルはそうした未知のパターンを考慮できないのです。
例え:
問題集の50ページまでしか勉強していないのに、テストで100ページの内容が出題されたら、推測で答えるしかありませんよね？正解するかもしれませんが、大きく間違う可能性の方が高いでしょう。これが外挿の危険性です。
まとめ：新人エンジニアとしての心構え
| 内挿 (Interpolation) | 外挿 (Extrapolation) | |
| 予測範囲 | 学習データの範囲内 | 学習データの範囲外 |
| 信頼性 | 高い ✅ | 低い ⚠️ |
| リスク | 低い | 高い |
| 例 | 過去1年間の売上データから来月の売上を予測 | 過去のデータしかないのに5年後の売上を予測 |
新人エンジニアとして最も重要なのは、「自分が今やろうとしている予測が、内挿なのか外挿なのか」を常に意識することです。
特に外挿を行う場合は、「この予測は学習データ範囲外のものであり、信頼性が低い可能性がある」ということを明確に理解し、関係者に伝える責任があります。外挿が必要な場合は、なぜその予測が必要なのか、どのような仮定に基づいているのかを慎重に検討し、モデルの限界を理解した上で活用するようにしてください。
セイ・コンサルティング・グループの新人エンジニア研修のメニューへのリンク
投稿者プロフィール
- 代表取締役
-
セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。
