Какие значения предсказывает модель регрессии, если целевая переменная в обучающей выборке положительная

Модель регрессии предсказывает непрерывные числовые значения. Если целевая переменная в обучающей выборке строго положительная, модель может предсказать как положительные, так и отрицательные значения, если не применять специальные ограничения.

Пример с кодом (LinearRegression в sklearn):

from sklearn.linear_model import LinearRegression
import numpy as np

X = np.array([[1], [2], [3]])
y = np.array([10, 20, 30]) # только положительные значения

model = LinearRegression()
model.fit(X, y)

print(model.predict([[0]])) # может выдать отрицательное значение

**Как избежать отрицательных предсказаний:**  
- Использовать модели, гарантирующие неотрицательность (например, `PoissonRegressor` в sklearn).  
- Применить преобразование целевой переменной (логарифмирование) с последующим обратным преобразованием.  
- Использовать ограничения в градиентном бустинге (например, `min_child_weight` в XGBoost).