如果分数的值高于 1，我不会称它们为概率。概率应始终介于 0 和 1 之间。

事实上，分数越高，一个例子就越有可能是正面的，这是对分数最自然的解释。

我将尝试回答您的困惑，但不是个人“如何”，即决策树如何计算概率等。您可以搜索互联网，例如“决策树如何工作等”。

分数主要用于描述模型的整体预测结果。根据预测类型和一些其他特定条件，有许多不同的技术，例如准确度、RMS、ROCAUC等指标。

概率告诉我们模型对其预测的信心程度。
不同的模型有不同的技术来计算概率，但用一种非常简单的语言来说，它与模型从训练数据中学习到的数据点与决策边界的距离成正比。

如图所示，上面的红圈将更有可能是“黄色”

$\hspace{4cm}$

公平地说，对于得分 10，实例比得分 5 更有可能被成功预测

是的，您可以看到，由于模型偏差，较低的红圈点更有可能被漏分类。