Python用xgb回归预测并可视化

首先需要安装XGBoost库和Matplotlib库，可以使用以下命令进行安装：

pip install xgboost
pip install matplotlib

然后可以使用以下代码进行回归预测和可视化：

import xgboost as xgb
import matplotlib.pyplot as plt
import numpy as np

# 加载数据
data = np.loadtxt('data.txt', delimiter=',')
X = data[:, :-1]
y = data[:, -1]

# 划分训练集和测试集
train_size = int(len(X) * 0.8)
X_train, y_train = X[:train_size], y[:train_size]
X_test, y_test = X[train_size:], y[train_size:]

# 定义XGBoost模型
model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=1000, max_depth=6, learning_rate=0.1)

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 可视化预测结果
plt.figure(figsize=(10, 5))
plt.plot(y_test, label='true')
plt.plot(y_pred, label='predict')
plt.legend()
plt.show()

其中，`data.txt`为数据文件，每行为一个样本，最后一列为目标变量，其他列为特征变量。`train_size`为训练集大小，可以根据实际情况进行调整。`n_estimators`为XGBoost模型中树的个数，`max_depth`为树的最大深度，`learning_rate`为学习率。

运行以上代码后，就可以得到预测结果的可视化图形。