Какая модель может предсказать отрицательное значение, если целевая переменная в обучающей выборке всегда положительная

Некоторые модели, особенно линейные (например, линейная регрессия), могут предсказывать отрицательные значения, даже если обучающая выборка содержит только положительные целевые переменные. Это происходит из-за экстраполяции за пределы диапазона обучающих данных.

Пример с линейной регрессией:

from sklearn.linear_model import LinearRegression
import numpy as np

X = np.array([1, 2, 3]).reshape(-1, 1)
y = np.array([10, 20, 30])  # Все y > 0

model = LinearRegression().fit(X, y)
print(model.predict([[0]]))  # Может выдать отрицательное значение

Как избежать:

• Использовать модели с ограничениями (например, PoissonRegression для счетных данных).
• Применить преобразование целевой переменной (логарифмирование).
• Использовать нелинейные модели (например, градиентный бустинг с objective="reg:squarederror").