XGBRegressor(objective = 'reg:logistic',

`XGBRegressor`是基于梯度提升树（Gradient Boosting Tree）的回归模型，是XGBoost库中的一个类。`objective`参数指定了模型优化的目标函数，`reg:logistic`是用于二分类问题的逻辑回归损失函数，与回归问题无关。

如果你想要使用XGBoost库进行回归任务，可以指定`objective`为`reg:squarederror`（平方误差回归）或`reg:squaredlogerror`（平方对数误差回归）。例如：

from xgboost import XGBRegressor
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据
boston = load_boston()
X = boston.data
y = boston.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)

# 训练模型
xgb_reg = XGBRegressor(objective='reg:squarederror')
xgb_reg.fit(X_train, y_train)

# 使用训练好的模型进行预测
y_pred = xgb_reg.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print('MSE:', mse)

在这个例子中，`XGBRegressor`使用`reg:squarederror`作为目标函数，用于回归任务。