Может ли модель регрессии предсказывать значения за границами таргета в обучающей выборке

Да, модель регрессии может предсказывать значения за пределами диапазона целевой переменной в обучающих данных, если входные признаки выходят за границы обучения. Например, линейная регрессия экстраполирует тренд. Однако это рискованно, так как поведение модели вне обучающего диапазона может быть ненадежным.

Пример с LinearRegression:

from sklearn.linear_model import LinearRegression
import numpy as np

X_train = np.array([1, 2, 3]).reshape(-1, 1)
y_train = np.array([2, 4, 6])
model = LinearRegression().fit(X_train, y_train)

X_test = np.array([4, 5]).reshape(-1, 1)  # За пределами X_train
predictions = model.predict(X_test)  # [8., 10.] - выходит за y_train

Для сложных моделей (например, деревья) экстраполяция может быть невозможна - они просто вернут максимальное/минимальное значение из обучающих данных.