本题考察多分类与多标签的本质区别及算法选型。 核心错误：multi:softmax 和 multi:softprob 都是针对多分类（Multi-class）即标签互斥设计的，其内部的 Softmax 会强制所有类别概率之和为 1，无法表示多个标签同时存在的情况。Softmax 函数的分母是 ∑▒e^(z_i ) ，这在数学上强制了不同类别之间存在竞争关系（概率和为1）。 多标签（Multi-label）意味着各类别独立（概率和可以大于1，也可以小于1）。 正确做法：应该为每个标签训练一个二分类模型（Binary Relevance），或者使用支持多标签的损失函数（如将问题转化为 Multi-output 维度，使用 Binary Cross Entropy 独立计算每个维度的 Loss）。