| 二分类问题 | |
| Objective 目标函数 | binary:logistic输出为概率、binary:logitraw输出为逻辑转换前的输出分数。 |
| eval metric 评估函数 | error 错误率、logloss 惩罚分类来量化模型的准确性、auc |
| 多分类问题 | |
| Objective 目标函数 | multi:softmax、multi:softprob |
| eval metric 评估函数 | merror也称多分类错误率、mlogloss |
| 回归问题 | |
| Objective 目标函数 | 1)reg:linear:线性回归、2)reg:logistic:逻辑回归、3)count:poisson:计数数据的泊松回归、4)reg:gamma:对数连接函数下的伽马回归。5)reg:tweedie:对数连接函数下的tweedie回归 |
| eval metric 评估函数 | RMSE、MAE、poisson-nloglik、gamma-nloglik、gamma-deviance、tweedie-nloglik等 |
| 排序问题 | |
| Objective 目标函数 | rank:pairwise、rank:ndcg和rank:map均表示排序任务 |
| eval metric 评估函数 | map、ndcg、auc |