是否可以在AdaBoostRegressor（sklearn）中使用不同的数据集作为预测输入？

Question

我只是机器学习的初学者，现在我正在玩sklearn。 我在here的官方网站上复制了AdaBoostRegressor的示例，并添加了以下内容。

X_pred = np.linspace (6, 12, 100)[:, np.newaxis]
y_pred = regr_2.predict(X_1)

由于训练数据集X的范围是0到6，我试图预测不同的数据集X_pred，范围从6到12。

但是，我发现y_pred的值始终为-1.05382839，这是训练集输出y的最后一个值。 我想知道是否可以使用非输入样本数据集作为预测的输入。 有可能吗？如果是这样，正确的用法是什么？

BTW，附加pic是输出。 红色和绿色是基于训练集输入（0-6）的预测输出，蓝色是X_pred（6-12）的输出。

Answer 1

简而言之 - 不。这不是回归的内容。回归是关于插值，而不是外推。几乎没有一个回归量可以对训练集的数据外部进行任何预测。