给我一个具体的XGBOOST的数据例子和训练模型。

以下是一个简单的XGBoost数据例子和训练模型：

数据集：

| 特征1 | 特征2 | 特征3 | 标签 |
|-------|-------|-------|------|
| 0 | 1 | 2 | 0 |
| 1 | 2 | 3 | 1 |
| 2 | 3 | 4 | 0 |
| 3 | 4 | 5 | 1 |
| 4 | 5 | 6 | 0 |

训练模型：

import xgboost as xgb
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义模型
model = xgb.XGBClassifier()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

其中，xgboost库提供了XGBClassifier类来创建分类模型。在这个例子中，我们使用了默认的参数来训练模型。最后，我们使用accuracy_score函数来计算预测准确率。