Может ли случайный лес предсказывать значения за границами таргета в обучающей выборке

Да, случайный лес может предсказывать значения за пределами диапазона целевой переменной в обучающей выборке, но только в рамках интерполяции. Поскольку алгоритм строит ансамбль деревьев, каждое из которых делает предсказание на основе усреднения значений в листьях, экстремальные значения за пределами обучающего диапазона будут ограничены максимальным/минимальным значением в данных.

Пример:

from sklearn.ensemble import RandomForestRegressor
import numpy as np

X_train = np.array([[1], [2], [3]])
y_train = np.array([10, 20, 30])

model = RandomForestRegressor()
model.fit(X_train, y_train)

# Предсказание за пределами обучающего диапазона
print(model.predict([[4]]))  # Будет близко к 30, но не превысит его

Для экстраполяции за пределы обучающего диапазона лучше использовать линейные модели или специальные методы.