Как интерпритировать предсказаний регерссии XGBboost?

Есть маленький зашумленный датасет 2000 примеров для задачи регрессии. Объект регрессии напоминает gamma - tweedie распределение, но использую в модели 'objective':'reg:linear' т.к. есть отрицательные значения

Цели от -1 до 7. Регрессионная модель, на основе XGBoost 'objective':'reg:linear', обученная на этом датасете выдает предсказания на новых данных в диапазоне от -0.3 до 1. Экстремальные значения в моей задаче важны.

Если нормализовать результат предсказаний от -0.3 до 1 в масштаб примеров от -1 до 7, получается устраивающий меня результат.

Есть более правильный, чем нормализация, подход к решению такой задачи?

Перейти как-нибудь на 'objective':'reg:gamma', избавившись от отрицательных значений (добавив ко всем значениям целей минимальное значение цели) или что-то подобное?