如果从梯度提升模型中获得0到1之间的连续预测，与从逻辑回归中得出的概率相比，这两者的含义有什么不同？

例如，如果我的逻辑回归模型对变量Y的预测输出为0.6，而我的梯度提升模型对变量Y的预测输出为0.7，那么更高的数值是否有任何意义？

回答：

GBM和逻辑回归都是概率分类器；这意味着这两个模型的输出可以（并且通常是）被解释为概率。因此，它们的输出含义实际上没有区别。

更高的数值是否有任何意义？

在这里，“意义”并不是合适的术语；在你的例子中，仅仅是GBM对特定样本的类别概率做出了不同的估计（可能是更高、更低或大致相等）。由于这两种算法不同，它们对同一样本的概率估计可以（并且通常会）有所不同，这是合乎逻辑的。