xgboost训练参数寻优代码

下面是使用GridSearchCV进行xgboost训练参数寻优的示例代码：

import xgboost as xgb
from sklearn.model_selection import GridSearchCV

# 准备数据
X_train, y_train = ...
X_test, y_test = ...

# 定义模型
model = xgb.XGBRegressor()

# 定义参数网格
param_grid = {
    'learning_rate': [0.1, 0.01, 0.001],
    'max_depth': [3, 5, 7],
    'n_estimators': [50, 100, 200]
}

# 定义GridSearchCV对象
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=5, n_jobs=-1)

# 训练模型并进行参数寻优
grid_result = grid_search.fit(X_train, y_train)

# 输出最佳参数和最佳得分
print("Best parameters found: ", grid_result.best_params_)
print("Best score: ", grid_result.best_score_)

在代码中，首先我们通过定义模型，准备数据和定义参数网格等步骤准备好了进行参数寻优所需的所有元素。接下来，我们使用GridSearchCV对象进行训练和参数寻优。最后，我们输出最佳参数和最佳得分。通过这些步骤，我们可以找到最优的xgboost训练参数，以取得最好的预测结果。