Регрессия XGBoost — прогнозируемые значения выходят за пределы обучения ⇐ Python

[Anonymous]

Для обучения регрессора XGBoost использовался набор данных, содержащий различные функции и цель регрессии (называемую qval). Это значение qval находится в диапазоне от 0 до 1 и должно иметь следующее распределение:


Пока все хорошо. Однако когда я сохраняю модель с помощью xgb.save_model() и повторно загружаю ее с помощью xgb.load_model(), чтобы спрогнозировать этот qval в другом наборе данных, прогнозируемый qval выходит за границу [0,1], как показано здесь.


Может кто-нибудь объяснить, если это нормально, и если да, то почему это происходит? С моей точки зрения, возможно, дело в том, что «уравнение» (здесь очень плохое слово), которое вычисляет qval, было обучено на некоторых данных, а веса на самом деле не учитывают границу [0,1]. Следовательно, при применении этих «весов» к новым данным результат выходит за пределы. Хотя не совсем уверен.

Подробнее здесь: https://stackoverflow.com/questions/664 ... ing-bounds