xgboost模型代码

以下是一个简单的 XGBoost 模型的 Python 代码示例：

import xgboost as xgb
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据集
boston = load_boston()
X, y = boston.data, boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义模型
xgb_model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100, max_depth=3, learning_rate=0.1)

# 训练模型
xgb_model.fit(X_train, y_train)

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

# 评估模型
rmse = mean_squared_error(y_test, y_pred, squared=False)
print('RMSE:', rmse)

在这个代码示例中，我们使用了 XGBoost 库来构建回归模型。首先，我们加载了波士顿房价数据集并将其划分为训练集和测试集。然后，我们定义了一个 XGBoost 回归器模型，并使用训练集训练模型。接着，我们使用模型对测试集进行预测，并计算 RMSE 作为模型性能指标。