1
Amy 原创整理｜资料核验：2026-10-31
【官方API事实】IsotonicRegression 的 out_of_bounds 默认是 'nan'。预测输入超出训练时X范围时会得到NaN；'clip'使用最近训练区间端点对应的预测值，'raise'则抛出ValueError。
【教学示例】假设训练X只覆盖10到40，后来输入50。设置clip后的结果是边界值，不是模型证明了40之后的趋势可以外推。这个差别会影响下游报表如何解释预测。
【Amy建议】先记录训练输入范围，再选业务能接受的越界处理方式。若越界本身表示数据异常，可在验证阶段用raise暴露问题；若选择clip，应同时记录发生了多少次裁剪，避免边界值掩盖新数据分布变化。这里是教学思路，不是对某个实际模型效果的承诺。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.isotonic.IsotonicRegression.html