AttributeError: module 'xgboost.callback' has no attribute 'EvaluationMetric'

这个错误提示说明你尝试导入的 `xgboost.callback` 模块中并没有名为 `EvaluationMetric` 的属性。这可能是由于以下几个原因：

1. **版本差异**：你使用的xgboost版本可能较旧，不包含`EvaluationMetric`这个类。确保你已经安装了最新版的xgboost，可以在命令行中运行 `pip show xgboost` 查看版本。

2. **包引入问题**：如果你是从某个特定的分支或者自定义安装包中导入，可能会导致找不到这个模块。检查你的环境变量配置是否正确，以及是否从正确的路径导入。

3. **文档过时**：有时候，官方文档可能未及时更新到最新的API结构。查阅官方文档或GitHub仓库，确认最新的API如何设置评估回调。

4. **拼写错误**：请确保你引用的类名和模块名称没有拼写错误。

修复这个问题的一个解决办法是直接导入 `Callback` 并自定义一个评估函数，例如：

from xgboost.core import Booster
from sklearn.metrics import mean_squared_error as mse

def custom_rmse(preds, dtrain):
    labels = dtrain.get_label()
    rmse_val = np.sqrt(mse(labels, preds))
    return 'custom_rmse', rmse_val, True

# 创建一个Callback实例，并设置你的评估函数
cb = xgb.callback.CallbackList([("custom_rmse", custom_rmse)])

booster = Booster()
booster.load_model('path_to_your_model')  # 加载模型

booster.eval(custom_rmse, [('your_data_set', your_data)], evals_result=dict())  # 自定义评估

在这里，我们没有直接使用 `EvaluationMetric`，而是手动编写了一个计算RMSE的函数。如果你需要更复杂的评估逻辑，可以参照xgboost的官方文档。