在使用XGBoost的多分类算法时，需要设置num_class参数为分类的数量。但是在AWS SageMaker中，可以通过设置"objective"参数为"multi:softmax"或"multi:softprob"，来自动设置num_class参数。如果手动设置了num_class参数，可能会出现错误。因此，解决方法是删除手动设置的num_class参数。

示例代码：

from sagemaker import get_execution_role
from sagemaker.amazon.amazon_estimator import get_image_uri

role = get_execution_role()
container = get_image_uri(region_name='us-east-1', 
                          repo_name='sagemaker-xgboost',
                          repo_version='0.90-1')

xgb = sagemaker.estimator.Estimator(container,
                                    role,
                                    train_instance_count=1,
                                    train_instance_type='ml.m4.xlarge',
                                    output_path=output_location,
                                    sagemaker_session=sagemaker_session)

xgb.set_hyperparameters(objective='multi:softmax', 
                        num_round=100)

xgb.fit(inputs=data_channels, 
        logs=True)