我正在做一个多变量回归问题，它预测生产系统中故障模式的频率。在这个问题中，我使用 XGBRF 进行回归作为我的 ML 模型。

这些是与实际数据相比，6 个月内向前预测的结果：

从超参数和其他数据集的实验来看，我的模型似乎总是会过度预测。（没有负面错误）

所以，我的观点是，只使用这个模型，然后直接减去一个数字（例如 1 或 2）来“改善”结果，这是一种有效的做法吗？例如，从上面的结果变成下面的这个：

我是机器学习建模世界和统计学的新手。也许这是一个基本的禁忌。但我想知道这种做法是否可以。请赐教。