就我而言，XGBoost 支持使用 softmax 等目标函数进行多类预测。
就我而言，我希望它输出几个标签( float 字)并最小化它们的 MAPE。它可行吗？我应该怎么做才能实现这一点？ (比如说，我如何直接构造一个具有多个标签的 DMatrix。)
最佳答案
data = numpy.array([[1,2,3],[3,4,5]])
label = numpy.array([[0.2,0.1], [0.3,0.4]])
dtrain = xgb.DMatrix(data, label=label)
param = {'gamma':2.0,'nthread':8, 'max_depth':15, 'eta':0.000000003, 'silent':1, 'objective':'multi:softprob', 'eval_metric':'auc' ,'num_class':105}
bst = xgb.train(param, dtrain, num_round)
关于machine-learning - XGBoost:是否可以预测多个标签并计算它们的 MAPE？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45265739/