帮我写一段Python代码，使用xgb回归进行预测

好的，以下是一个简单的例子：

# 导入库
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
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)

# 初始化模型
xg_reg = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=10, seed=123)

# 训练模型
xg_reg.fit(X_train, y_train)

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

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("MSE: %.2f" % mse)

这个例子使用了波士顿房价数据集，使用 XGBoost 回归模型进行预测，并计算了测试集上的均方误差。你可以根据自己的数据和需求进行修改。