xgboost能否用于分类场景中，如果能是怎么应用的呢，请给出代码示例

XGBoost可以用于分类场景。在使用XGBoost进行分类时，需要将目标变量的类型设置为"category"，然后使用"softmax"作为损失函数。

以下是一个使用XGBoost进行分类的Python代码示例：

import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 设置模型参数
params = {
    'objective': 'multi:softmax',
    'num_class': 3,
    'tree_method': 'gpu_hist'
}

# 构建模型
xgb_model = xgb.XGBClassifier(**params)

# 训练模型
xgb_model.fit(X_train, y_train)

# 预测并评估模型
y_pred = xgb_model.predict(X_test)
acc = (y_pred == y_test).mean()
print("Accuracy: {:.2f}%".format(acc*100))