写一个xgboost回归预测代码

以下是一个简单的 XGBoost 回归预测代码示例：

import xgboost as xgb
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 划分训练集和测试集
train_data = data.iloc[:80, :]
test_data = data.iloc[80:, :]

# 准备数据
train_x = train_data.drop(['target'], axis=1)
train_y = train_data['target']
test_x = test_data.drop(['target'], axis=1)
test_y = test_data['target']

# 定义模型
model = xgb.XGBRegressor(max_depth=5, learning_rate=.1, n_estimators=100)

# 训练模型
model.fit(train_x, train_y)

# 预测结果
pred_y = model.predict(test_x)

# 计算误差
mse = ((pred_y - test_y) ** 2).mean()
print('MSE:', mse)

以上代码假设数据文件名为 `data.csv`，其中包含一个名为 `target` 的目标变量和一些特征变量。该代码使用 XGBoost 回归模型对目标变量进行预测，并计算预测结果的均方误差。