y取值有上下界限的回归问题

既然y取值有固定范围，那么训练集的y肯定是在这个范围之内的。

可以考虑用决策树或者随机森林，它们的预测值肯定是在训练集y的范围之内的。

也可以考虑kNN模型，这种投票算法也能确保预测值不会超过训练集的范围。

1. 如maxroot说的用基于nearest neighbor类的方法，不会超过训练y范围。

2.基于最小二乘类方法，有可能超过训练y范围，这时要考虑：

2.1如果y有物理意义，或测试y超出范围的概率、幅度都很小，对结果影响不大，可以用训练y的最大最小值去限制。

2.2可以对y作变换，比如y-d，y+d作为最小最大值，为测试y留出一定富余范围。

可以尝试用归一化。

训练集的预测值做归一化，训练模型，然后对测试集预测，预测值用刚刚的归一化映射回去，比如用Min-Max。理论上就可以通过训练集的y值的范围来控制测试集的y值的范围了。

如有错误，欢迎指出。