xgboost回归预测python实例代码

好的，以下是一个简单的 XGBoost 回归预测的 Python 实例代码：

# 导入所需的库
import xgboost as xgb
import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

# 加载波士顿房价数据集
boston = load_boston()

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=42)

# 定义 XGBoost 回归模型
xgb_model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100, max_depth=4, learning_rate=0.1)

# 拟合模型
xgb_model.fit(X_train, y_train)

# 预测测试集
y_pred = xgb_model.predict(X_test)

# 计算模型的评估指标
mse = np.mean((y_test - y_pred)**2)
print('均方误差：', mse)

以上代码中，我们使用 XGBoost 回归模型对波士顿房价数据集进行训练和预测，并计算了均方误差作为模型的评估指标。