xgboost.XGBClassifier 中可用的 objective 函数有哪些不同选项？
What are different options for objective functions available in xgboost.XGBClassifier?
除了binary:logistic（这是默认的objective函数），还有其他内置的objective函数可以在xbgoost.XGBClassifier()中使用吗？
确实 binary:logistic 是 XGBClassifier 的默认 objective，但我看不出有任何理由不能使用其他 [=23] =] 由 XGBoost package 提供。
例如，您可以在 sklearn.py 源代码中看到 multi:softprob 在多类情况下显式使用。
此外，如果确实需要，您可以提供自定义objective功能（详情here）。
XGBClassifier 的默认 objective 是 ['reg:linear]
但是还有其他参数..
binary:logistic-It returns 预测概率为 predicted class
multi:softmax - Returns 硬 class 多class class化
multi:softprob - 它 Returns 概率为 multiclass classification
注意：当multi:softmax用作objective时，您还需要传递num_class
因为 num_class 是定义 class 数量的参数数量
比如标注(0,1,2)，这里有3个class，所以num_class = 3
除了binary:logistic（这是默认的objective函数），还有其他内置的objective函数可以在xbgoost.XGBClassifier()中使用吗？
确实 binary:logistic 是 XGBClassifier 的默认 objective，但我看不出有任何理由不能使用其他 [=23] =] 由 XGBoost package 提供。 例如，您可以在 sklearn.py 源代码中看到 multi:softprob 在多类情况下显式使用。
此外，如果确实需要，您可以提供自定义objective功能（详情here）。
XGBClassifier 的默认 objective 是 ['reg:linear] 但是还有其他参数.. binary:logistic-It returns 预测概率为 predicted class multi:softmax - Returns 硬 class 多class class化 multi:softprob - 它 Returns 概率为 multiclass classification
注意：当multi:softmax用作objective时，您还需要传递num_class 因为 num_class 是定义 class 数量的参数数量 比如标注(0,1,2)，这里有3个class，所以num_class = 3