我现在对XGBoost. 这是我感到困惑的方式：
objective，这是需要最小化的损失函数；eval_metric：用于表示学习结果的度量。这两者完全无关（如果我们不考虑仅用于分类logloss，mlogloss可以用作eval_metric）。这样对吗？如果是，那么对于分类问题，您如何将其rmse用作性能指标？objective为例，reg:logistic和binary:logistic。对于 0/1 分类，通常应将二元逻辑损失或交叉熵视为损失函数，对吗？那么这两个选项中的哪一个是针对这个损失函数的，另一个的值是多少？说，如果binary:logistic代表交叉熵损失函数，那么什么reg:logistic呢？multi:softmax和multi:softprob？他们是否使用相同的损失函数，只是输出格式不同？如果是的话，那应该是相同的reg:logistic，并binary:logistic为好，对不对？第二个问题的补充
比如说，0/1 分类问题的损失函数应该是
L = sum(y_i*log(P_i)+(1-y_i)*log(P_i))。所以如果我需要在binary:logistic这里选择，或者reg:logistic让xgboost分类器使用L损失函数。如果是binary:logistic，那么损失函数reg:logistic使用什么？
我有两个矩阵A和B,有啥最快的方法只是计算diag(A%*%B),即内积第i的行A和第i列B,以及其他方面的产品内部并不关心.
补充:A并分别B有大的行号和列号.
我是emacs的新手,我不确定是否允许这样的操作.例如,如果我输入Cc,我可以在实现它之前取消它(比如之后键入Cw).谢谢.
最初，我会filter在 bool 查询中添加一个。然而，当我转向 时terms filter，文件表明它terms query现在应该被替换。所以，我理解这一点为我们需要构建既具有复合查询terms query和bool query。如果我是正确的，我应该如何编写查询？
注意：我使用 elasticsearch 的 Python API。