基于python的xgboost回归预测代码
时间: 2023-09-09 19:12:05 浏览: 89
下面是一个基于Python的XGBoost回归预测代码示例:
```python
import xgboost as xgb
import pandas as pd
import numpy as np
# 读取数据集
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1]
Y = data.iloc[:, -1]
# 划分训练集和测试集
train_size = int(len(X) * 0.8)
train_X, test_X = X.iloc[:train_size, :], X.iloc[train_size:, :]
train_Y, test_Y = Y.iloc[:train_size], Y.iloc[train_size:]
# 训练模型
model = xgb.XGBRegressor(objective ='reg:squarederror', n_estimators = 10, seed = 123)
model.fit(train_X, train_Y)
# 预测
pred_Y = model.predict(test_X)
# 计算误差
mse = np.mean((pred_Y - test_Y)**2)
print("Mean Squared Error:", mse)
```
在这个示例中,我们首先使用pandas库读取数据集,并将特征和标签分别存储在X和Y中。然后,我们使用train_test_split函数将数据集划分为训练集和测试集。接着,我们使用xgboost库中的XGBRegressor类创建一个回归模型,并使用fit函数拟合训练数据。最后,我们使用predict函数对测试集进行预测,并计算预测结果与实际结果之间的均方误差。