尽管归一化数据和预测大于-1

如何解决尽管归一化数据和预测大于-1

我正在尝试实现一个简单的Sklearn.linear_model.LinearRegression模型并通过MSLE评估其性能：
MSLE基于SLE =（log（预测+ 1）-log（实际+ 1））^ 2

我有大约15个功能，这些功能都是标准化的或标准化的，都是积极的。 但是，当我尝试对训练数据进行交叉验证时：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score

lin_reg = LinearRegression()

linreg_scores = cross_val_score(lin_reg,X_train,y_train,cv = 10,scoring = 'neg_mean_squared_log_error')

我收到以下错误：
ValueError：目标包含负值时，不能使用均方对数误差。

因此，我手工检查了sklearn.model_selection.KFold的手动交叉验证，以便打印出每折的预测值...

from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_log_error
from sklearn.base import clone

kf = KFold(n_splits=5,shuffle=True,random_state=5)
lin_reg = LinearRegression()

split_count = 0
for train_index,val_index in kf.split(X_train,y_train):
    split_count += 1
    clone_reg = clone(lin_reg)
    X_tr = X_train.loc[train_index,:]
    X_val = X_train.loc[val_index,:]
    y_tr = y_train.loc[train_index]
    y_val = y_train.loc[val_index]
    clone_reg.fit(X_tr,y_tr)
    pred = clone_reg.predict(X_val)
    if any(pred<0):
        print(split_count)
        print(pred[pred<0])

问题是，我确实得到了负的预测值，但它们都在[-1，0]之间：

1
[-0.08642619]
3
[-0.2426673]
5
[-0.51744243]

因此，根据MSLE公式，（y_predict +1）应该为正，因此ln（y_predict +1）在数学上应该正确。

这里有什么我想念的吗？

非常感谢您的帮助，如果需要，我显然会提供其他信息！