写一个XGBoost对鸢尾花进行分类预测的代码

以下是使用 XGBoost 进行鸢尾花分类预测的代码：

import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 载入数据集
iris = load_iris()
X, y = iris.data, iris.target

# 切割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练模型
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test)
param = {'max_depth': 3, 'eta': 0.3, 'silent': 1, 'objective': 'multi:softmax', 'num_class': 3}
num_round = 10
bst = xgb.train(param, dtrain, num_round)

# 预测并输出准确率
pred = bst.predict(dtest)
accuracy = accuracy_score(y_test, pred)
print('Accuracy:', accuracy)

请注意，以上提供的代码是非常简单的示例代码。在实际情况下，需要进行更多的数据处理，调试和参数优化以获得更好的分类效果。