[0，1]中的GBM连续预测与[0，1]中的Logistic回归连续预测有什么区别？

Question

从梯度增强模型中，如果得到0到1之间的连续预测，与Logistic回归得出的概率相比，这个模型的意义有什么不同？

例如，如果我有一个LR模型输出.6来预测变量Y，而我有一个GBM输出.7来预测变量Y，那么更高的值有什么意义吗？

Answer 1

GBM和logistic回归都是probabilistic classifiers；这意味着这两个模型的输出可以(而且通常)解释为概率。所以，实际上，它们的输出的意义并没有区别。

对更高的价值有什么意义吗？

在这里，“重要性”不是正确的术语；在您的示例中，简单地说，GBM对特定样本的类概率进行了不同的估计(可能更高、更低或大致相等)。这两种算法是不同的，它们对同一样本的概率估计可能(而且通常确实)不同，这是合乎逻辑的。