![](https://cdn-ak-scissors.b.st-hatena.com/image/square/120c7e79177aa19f5f2c3d83e4989f4a44c36ec1/height=288;version=1;width=512/https%3A%2F%2Fimage.itmedia.co.jp%2Fait%2Farticles%2F2008%2F26%2Fcover_news017.png)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント3件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
内挿/外挿(Interpolation/Extrapolation)とは?
連載目次 用語解説 機械学習における内挿(Interpolation)とは、あるデータを使って訓練した機械学習モ... 連載目次 用語解説 機械学習における内挿(Interpolation)とは、あるデータを使って訓練した機械学習モデルにおいて、その訓練データ(入力データおよび教師ラベル)の数値の範囲内で出力を求めることを指す。また外挿(Extrapolation)とは、その範囲外で求めることを指す。 内挿/外挿という(元々は数学の)用語は、「機械学習モデルの限界」や「誤解を防ぐための注意点」として言及されることが多い。特に機械学習に不慣れな一般人や機械学習の初心者は、内挿と外挿を意識して区別していないため、機械学習モデルのことを「どんな入力データに対しても同じ精度/信頼性で出力できるもの」と誤解しやすい。例えば機械学習モデルを訓練して90%の精度が出たら、「そのモデルを使えば常に90%の精度が出る」と考えがちである。しかしその精度は、入力データが「内挿」であればの話である。もし訓練時に入力したことがない範
2020/08/27 リンク