XGbosst线性回归Python实现代码

以下是使用XGBoost库实现线性回归的Python代码示例：

import xgboost as xgb
import numpy as np
import pandas as pd

# 生成数据集
X = np.random.rand(100, 5)
y = np.random.rand(100)

# 将数据集转换为DMatrix格式
dtrain = xgb.DMatrix(X, label=y)

# 设置XGBoost参数
params = {
    'booster': 'gblinear',
    'objective': 'reg:linear',
    'eval_metric': 'rmse'
}

# 训练模型
model = xgb.train(params, dtrain)

# 预测结果
X_test = np.random.rand(10, 5)
dtest = xgb.DMatrix(X_test)
y_pred = model.predict(dtest)

# 输出预测结果
print(y_pred)

上述代码中，首先生成了100个样本，每个样本由5个特征组成，以及对应的输出标签。然后将这些数据转换为XGBoost中的DMatrix格式。接着设置XGBoost的参数，包括使用线性模型（'gblinear'），目标函数为回归（'reg:linear'），评估指标为均方根误差（'rmse'）。最后训练模型，并使用模型对10个测试样本进行预测，输出预测结果。