[0, 1] 中的 GBM 连续预测与 [0, 1] 中的逻辑回归连续预测有什么区别
What is the difference between a GBM continuous prediction in [0, 1] and a Logistic Regression continous prediction in [0, 1]
从梯度提升模型中，如果你得到 0 和 1 之间的连续预测，与逻辑回归得出的概率相比，这在含义上有什么区别？
例如，如果我有一个 LR 模型输出 .6 用于预测变量 Y，而我有一个 GBM 输出 .7 用于预测变量 Y，那么较高的值有什么意义吗？
GBM和逻辑回归都是；这意味着两个模型的输出都可以（并且通常）被解释为概率。所以，它们输出的意思其实没有区别。
is there any significance to the higher value?
"Significance" 在这里不是正确的术语；在您的示例中，GBM 只是对特定样本的 class 概率进行了不同的估计（可能更高、更低或大致相等）。这两种算法不同，它们对同一样本的概率估计可能（而且通常确实）不同是合乎逻辑的。
从梯度提升模型中，如果你得到 0 和 1 之间的连续预测，与逻辑回归得出的概率相比，这在含义上有什么区别？
例如，如果我有一个 LR 模型输出 .6 用于预测变量 Y，而我有一个 GBM 输出 .7 用于预测变量 Y，那么较高的值有什么意义吗？
GBM和逻辑回归都是
is there any significance to the higher value?
"Significance" 在这里不是正确的术语；在您的示例中，GBM 只是对特定样本的 class 概率进行了不同的估计（可能更高、更低或大致相等）。这两种算法不同，它们对同一样本的概率估计可能（而且通常确实）不同是合乎逻辑的。