В новой статье Обучение в высоком измерении всегда требует экстраполяции , команда из Facebook AI Research и Нью-Йоркского университета, в которую входит Ян Лекун, теоретически и эмпирически оспаривает общепринятую точку зрения сообщества машинного обучения (ML) относительно интерполяции: демонстрируя, что этого почти никогда не происходит с многомерными (›100) наборами данных. Интерполяция и экстраполяция являются основополагающими концепциями, которые функционируют как методы оценки..