Machine learning XGBoost：是否可以预测多个标签并计算它们的MAPE？

就我而言，XGBoost支持使用目标函数（如softmax）进行多类预测

---

在我的例子中，我希望它输出几个标签（浮点数）并最小化它们的映射。它可行吗？我该怎么做才能做到这一点？（比如说，如何直接构造具有多个标签的DMatrix。）

虽然这可能提供了问题的答案，但需要一些解释。请更新此问题，并解释此解决方案的工作方式和原因。虽然此代码片段可以解决此问题，但确实有助于提高您的文章质量。请记住，您将在将来为读者回答这个问题，而这些人可能不知道您的代码建议的原因。虽然这可能会提供问题的答案，但需要一些解释。请更新此问题，并解释此解决方案的工作方式和原因。虽然此代码片段可以解决此问题，但确实有助于提高您的文章质量。请记住，您将在将来回答读者的问题，这些人可能不知道您的代码建议的原因。

    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)