می‌توانیم از تابع برای پیش‌بینی مقدار متغیر وابسته برای متغیر مستقلی که خارج از محدوده داده‌های ما است استفاده کنیم. در این مورد، ما در حال انجام برون یابی هستیم. فرض کنید مانند قبل از داده های x بین 0 تا 10 برای تولید یک خط رگرسیون y=2x + 5 استفاده می شود.
چرا از برون یابی استفاده می کنیم؟
برون یابی فرایند یافتن مقداری خارج از مجموعه داده است. حتی می توان گفت که به پیش بینی آینده کمک می کند! … این ابزار نه تنها در آمار مفید است، بلکه در علم، تجارت، و هر زمان که نیاز به پیش‌بینی مقادیر در آینده فراتر از محدوده‌ای که اندازه‌گیری کرده‌ایم نیز مفید است.
کجا می توانیم از برون یابی استفاده کنیم؟
برون یابی در بسیاری از زمینه های علمیاستفاده می شود، مانند در شیمی و مهندسی که در آن برون یابی اغلب ضروری است. برای مثال، اگر ولتاژهای فعلی یک سیستم خاص را می‌دانید، می‌توانید آن داده‌ها را برای پیش‌بینی نحوه پاسخگویی سیستم به ولتاژهای بالاتر برون یابی کنید.
چه زمانی می توانیم داده ها را برون یابی کنیم؟
10.7.
برون یابی فراتر از محدوده مربوطه است وقتی که مقادیر Y فراتر از محدوده داده X تخمین زده می شود. اگر داده‌های مشاهده نشده (داده‌های خارج از محدوده داده X) غیرخطی باشند، تخمین‌های Y می‌توانند به طور قابل‌توجهی خارج از فاصله اطمینان مقادیر تخمینی Y باشند.
چرا از برون یابی و درون یابی استفاده می کنیم؟
برای پیش بینی از درون یابی استفاده می شودمقادیری که در یک مجموعه داده وجود دارد، و برون یابی برای پیش بینی مقادیری استفاده می شود که خارج از مجموعه داده قرار می گیرند و از مقادیر شناخته شده برای پیش بینی مقادیر ناشناخته استفاده می کنند. اغلب، درون یابی قابل اعتمادتر از برون یابی است، اما هر دو نوع پیش بینی می توانند برای اهداف مختلف ارزشمند باشند.
