我在参考R库lightgbm时问这个问题，但我认为它同样适用于Python和Multiverso版本。
有3个参数，您可以在其中选择您的模型感兴趣的统计信息 - metric，eval和obj。我试图用简单的语言清楚地区分这三种角色的不同角色。
文档说：
obj 目标函数，可以是字符或自定义目标函数。示例包括回归，regression_l1，huber，二进制， lambdarank，多类，多类
eval 评估函数，可以是（列表）字符或自定义评估函数
指标没有R文档，除了捕获所有内容＆＃34;请参阅paraters.md＆＃34;，它也没有真正解释它，但列出了以下选项：
metric，default = {l2表示回归}，{binary_logloss表示二进制 分类}，{ndcg for lambdarank}，type = multi-enum， 选项= L1，L2，NDCG，AUC，binary_logloss，binary_error ... l1，绝对损失，别名= mean_absolute_error，mae l2，平方损失，别名= mean_squared_error，mse l2_root，root square loss，alias = root_mean_squared_error，rmse huber，Huber损失 公平，公平的损失 泊松，泊松回归 ndcg，NDCG 地图，MAP auc，AUC binary_logloss，日志丢失 binary_error。对于一个样本0用于正确分类，1用于错误分类。 multi_logloss，多级分类的日志丢失 multi_error。多级分类的错误率 支持多指标，由metric_fq，default = 1，type = int分隔 度量输出的频率is_training_metric，default = false，type = bool 如果需要输出训练ndcg_at的度量结果，默认值= 1,2,3,4,5，type = multi-int，alias = ndcg_eval_at，eval_at，则将此值设置为true NDCG评估位置，分开，
我最好的猜测是
obj是算法的目标函数，即它试图最大化或最小化的内容，例如， ＆＃34;回归＆＃34;意味着它最小化残差平方eval我猜测只是一个或多个额外的统计信息，您希望在您的算法适合时进行计算。 metric我不知道这个用法与obj和eval 答案 0 :(得分：3)
如你所说，
obj是算法的目标函数，即它的尝试 最大化或最小化，例如＆＃34;回归＆＃34;意味着它的最小化 平方残差。
度量和评估基本相同。他们只是在使用它们的地方真的不同。 Eval与交叉验证方法一起使用（因为它可用于评估模型以便提前停止等？）。 Metric用于正常列车情况。
混淆起因于对几个gbm变体（xgboost，lightgbm和sklearn＆＃39; gbm +可能是R包）的影响都具有略微不同的参数名称。例如，python中的xgb.cv（）使用eval，但对于R，它使用metric。然后在lgbm.cv（）中使用python并使用R eval。
我一直很困惑在xgboost和lightgbm之间切换。有一个绝对惊人的resource by Laurae可以帮助您理解每个参数。