外挿

いざ予測となると、データ解析の根本的な問題にも注意が必要です。それが外挿（がいそう）の問題です。外挿というのは、モデルを作る時に使ったデータの範囲外についての予測です。

例えば、温度が10～20℃のデータを説明変数にしてモデルを作っていたら、30℃の場合の予測は外挿です。

外挿をする時は、モデルの妥当性が確認されていない事に、注意が必要です。予測の目的によっては、外挿はしてはいけない事もあります。

外挿の扱い方

外挿を扱う場合、モデルの適用範囲と、その範囲からどの程度離れているのかを知っていると、判断の参考になります。変数が少ないなら２次元散布図、多いならマハラノビスの距離が離れ具合の情報になります。 MT法の単位空間の考え方を使います。

例えば、10～20℃の範囲でモデルを作っている時は、「30℃は予測が外れやすそうだけど、21℃なら、まずまずの精度で当たりそう。」と言った感じです。

時間的な外挿の落とし穴は、上記のような一般的な外挿の話や、過学習よりも、もっと根源的なデータ解析の落とし穴です。

この落とし穴を説明するのは、少々ややこしい部分もありますので、「時間的な外挿の落とし穴」のページに分けました。