XGBoost：是否可以预测多个标签并计算它们的 MAPE？

【问题标题】：XGBoost: Is it possible to predict multiple labels and calculate their MAPE?XGBoost：是否可以预测多个标签并计算它们的 MAPE？
【发布时间】：2017-12-29 03:54:37
【问题描述】：

就我而言，XGBoost 支持多类预测，目标函数如 softmax。

就我而言，我希望它输出几个标签（浮点数）并最小化它们的 MAPE。可行吗？我应该怎么做才能做到这一点？（比如说，我如何直接构造一个具有多个标签的 DMatrix。）

【问题讨论】：

标签： machine-learning xgboost

【解决方案1】：

    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)

【讨论】：

虽然这可能会提供问题的答案，但需要一些解释。请更新问题，解释此解决方案的工作原理和原因。
虽然这段代码 sn-p 可以解决问题，including an explanation 确实有助于提高您的帖子质量。请记住，您是在为将来的读者回答问题，而这些人可能不知道您提出代码建议的原因。