Какие из трех регрессоров: kNN Regressor, Random Forest Regressor, Linear Regressor - обученные на датасете, где таргет больше нуля, смогут выдавать отрицательные значения

kNN Regressor и Random Forest Regressor могут выдавать отрицательные значения, несмотря на таргет > 0.

• kNN Regressor: усредняет значения ближайших соседей. Если соседи имеют разные знаки (например, из-за шума), может вернуть отрицательное значение.

• Random Forest Regressor: предсказывает среднее значений деревьев. Если отдельные деревья дают отрицательные предсказания (например, из-за экстремальных выбросов), итоговый прогноз может быть отрицательным.

• Linear Regression: если модель обучена на данных с таргетом > 0, но не имеет ограничений (например, через non_negative=True в sklearn), она может выдать отрицательное значение из-за экстраполяции.

from sklearn.neighbors import KNeighborsRegressor
import numpy as np

X = np.array([[1], [2], [3]])
y = np.array([1, 2, -1])  # Один отрицательный таргет
model = KNeighborsRegressor(n_neighbors=2).fit(X, y)
print(model.predict([[1.5]]))  # Может выдать отрицательное