相对简单的问题。查看 xgboost 的目标文档，我看到“multi:softmax”和“multi:softprob”，但它们都是 mutliclass，只会输出一个类。有什么方法可以使用 xgboost 预测多个标签，或者我最好为每个单独的标签训练多个模型。例如，在 sklearn 上，RandomForestClassifier 支持多标签，在拟合时，目标数组的输入可以是 n 个样本 x n 个标签的形状。

澄清一下:多分类是指您想要预测学生是否获得 A、B 或 C，而多标签类似于预测学生在测试中是否答对了第 1、2、3 或 4 题。 (他们只能获得一个分数，但他们可以正确回答这些问题的任意组合)

最佳答案

我还没有发现 xgboost 原生支持的任何东西。唯一的解决方案是将它包裹在 sklearn.multioutput.MultiOutputClassifier 中，它做同样的事情。但是这种方法的缺点是你不能利用 xgboost 本身的 load_model 和 save_model 并且必须使用类似 joblib 的东西来转储和加载模型(这在xgboost 版本的条款)。

关于python-3.x - XGboost 目标 : Is there a way to do Multi label (NOT multiclass ) classification?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/63271205/