指定学习任务和相应的学习目标。目标选项如下:
1、objective
[default=reg:squarederror]
reg:squarederror
: 具有平方损失的回归。
reg:squaredlogerror
:平方对数损回归
所有输入标签都要求大于-1。此外,有关此目标可能出现的问题,请参阅度量rmsle。
reg:logistic
: logistic regression
reg:pseudohubererror
: 带有伪Huber损失的回归,是绝对损失的两次可微替代。
binary:logistic
:二元分类的logistic回归,输出概率
binary:logitraw
: 二元分类的logistic回归,输出logistic变换前的分数
binary:hinge
:二元分类的铰链损失(hinge loss)。这使得预测为0或1,而不是产生概率。
count:poisson
:–计数数据的泊松回归,输出泊松分布的平均值
在泊松回归中max_delta_step默认设置为0.7(用于保护优化)
survival:cox
: 右删失生存时间数据的Cox回归(负值视为右删失)。请注意,在风险比标度上返回预测(即比例风险函数h(t)=h0(t)*HR中的HR=exp(边际_预测)。
survival:aft
: 截尾生存时间数据的加速失效时间模型。详见加速失效时间生存分析。
aft_loss_distribution
: survival:aft
objective 和 aft-nloglik
metric使用的概率密度函数
multi:softmax
:设置XGBoost使用softmax对目标进行多类分类,还需要设置num_class(类数)
multi:softprob
: 与