最近做基于辐照度的光伏预测，在数据量很少的情况下，采用xgboost遇到一个问题，就是预测值在正午时分全部是一样的，经过多轮测试及与豆包对话找到了原因。
豆包解释：XGBoost 的预测特性：XGBoost 对于超出训练数据分布的特征值，预测结果会趋于一个固定值（你的情况就是 0.07105778），这是模型的泛化特性导致的。
XGBoost（以及所有基于决策树的集成模型，如随机森林、LightGBM）之所以会出现 "遇到超出训练范围的特征值时，预测值趋于常数" 的现象，是因为决策树是基于 "轴平行" 的分裂（Axis-Aligned Splitting）。
简单来说，树模型在训练数据的最大值（例如 GHI=1.0）之后，就没有继续分裂的规则了，它不知道 1.0 之后的趋势是上升、下降还是保持不变，因此只能输出该叶子节点上训练数据的平均值。
当然和豆包说的不完全一致，因为我的ghi归一化后确定没有超过1.0，所以我怀疑主要原因是数据量太少（10天左右），加上ghi和光伏数据归一化后范围比较小（荷兰冬季辐照度最高只有200多，发电效率只有20~30%），综合导致这种问题。
换成线性模型后不再出现这种问题。
