我正在阅读这两页： xgboost 文档 评估指标上的帖子

我有一个数据集，我试图在用户级别预测未来的支出。我们的很多支出来自大笔支出者、异常值。所以，我们关心他们。我正在使用 XGBoost。

我已经尝试过 xgboost reg:squarederror。这往往有点低估了。然后我尝试了reg:squaredlogerror，这导致预测的预测远不止使用平方误差。

我尝试使用几种不同的超参数组合进行调整，但没有一个能像改变目标那样产生如此大的差异。所以，我一直在关注目标函数，并试图了解是否还有另一个值得一试的？

在上面的 xgboost 文档中，其他回归目标选项中的一些reg:pseudohubererror是以及count:poisson.

没有选择，我可以看到，只有 MAE。如果使用不易受 rmsle 异常值影响的目标函数让我远离准确性，而 rmse 让我更接近，那么使用 MAE 可能值得一试吗？在这个数据集中，异常值更重要，但普通用户也很重要。

什么是好的目标和评估指标？MAE值得一试吗？如果是这样，怎么做？查看上面的文档，我看不到 MAE 作为回归参数下的选项。