写xgboost回归预测模型代码

好的，以下是一个简单的xgboost回归预测模型代码的示例：

import xgboost as xgb
import pandas as pd
from sklearn.metrics import mean_squared_error

# 读取训练数据和测试数据
train_data = pd.read_csv('train.csv')
test_data = pd.read_csv('test.csv')

# 划分特征和标签
train_X, train_y = train_data.iloc[:, :-1], train_data.iloc[:, -1]
test_X, test_y = test_data.iloc[:, :-1], test_data.iloc[:, -1]

# 定义模型参数
params = {
    'booster': 'gbtree',
    'objective': 'reg:squarederror',
    'max_depth': 5,
    'learning_rate': 0.1,
    'n_estimators': 100
}

# 训练模型
model = xgb.XGBRegressor(**params)
model.fit(train_X, train_y)

# 预测并计算均方误差
pred_y = model.predict(test_X)
mse = mean_squared_error(test_y, pred_y)
print('均方误差：%.2f' % mse)

希望能对您有所帮助！下一个问题，请问您想问些什么呢？