在XGBoost算法中，param中设置的“objective”与train函数中的obj参数都是用来自定义损失函数的，他们有什么区别？如果都定义了那么哪个起作用？
参考GPT和自己的思路：
在XGBoost算法中，param中设置的“objective”和train函数中的obj参数都是用来自定义损失函数的。它们的主要区别在于应用范围。
首先，“objective”是一个全局参数，用于指定训练目标或损失函数的类型。它可以是回归问题中的“reg:squarederror”或“reg:logistic”、二分类问题中的“binary:logistic”或“binary:logitraw”等等。这些选项相当于指定了模型的训练目标（也就是最小化的损失函数）。
而obj参数是在训练过程中动态设定的，可以覆盖全局参数“objective”，用于自定义损失函数。一般来说，只有当我们需要定义一些新的损失函数时才会用到obj参数。
如果同时定义了param中的“objective”和train函数中的obj参数，那么会以train函数中的obj参数为准，覆盖全局参数“objective”。因此，如果需要使用自定义损失函数，应该将其定义为train函数的obj参数，而不是全局参数“objective”。
objective是模式，obj是对象变量