机器学习里extrapolation是什么意思？

extrapolation（外推、外插）一般对应的是interpolation（内插、插值）。

在机器学习里来说，一个测试点如果是个孤立点，或者说一个测试点不在原训练集的定义域范围内，那么模型在这种测试点上的估计就是外推。

正如Zealing所说，线性回归在extrapolation上有良好性质，而诸如kNN和决策树，extrapolation的结果就不好，因为它的预测值不会超过原训练集的取值范围。

下图是几个例子

外插extrapolation是相对于内插interpolation而言的。内插字面意思指测试输入在训练输入的取值范围内。假设训练输入在0到2之间，若测试输入为1则是内插，为100则是外插。

外插只能用线性回归等基于模型拟合数据的方法，不能用knn等基于相邻数据的方法，因为外插没有或很少相邻数据。内插是两种都能用。