用python语言写xgboost回归预测模型
时间: 2023-10-19 21:05:51 浏览: 119
好的,以下是用Python语言写xgboost回归预测模型的示例代码:
```python
# 导入必要的库
import xgboost as xgb
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 读取数据
data = pd.read_csv('data.csv')
# 分离特征和目标变量
X = data.drop('target', axis=1)
y = data['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xgboost回归模型
model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100, learning_rate=0.1, max_depth=3)
# 训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算预测结果的均方误差(MSE)
mse = mean_squared_error(y_test, y_pred)
print('MSE:', mse)
```
上述代码中,我们首先导入了必要的库,包括xgboost、pandas、sklearn等。然后读取数据,并分离出特征和目标变量。接着,我们使用train_test_split函数将数据集划分为训练集和测试集。然后,我们定义了一个xgboost回归模型,设置了目标函数(reg:squarederror)、树的个数(n_estimators)、学习率(learning_rate)和树的深度(max_depth)。最后,我们使用fit函数在训练集上训练模型,并使用predict函数在测试集上进行预测。最后,我们计算预测结果的均方误差(MSE)并输出。
阅读全文