xgboost模型代码

以下是一个使用xgboost库训练和评估分类模型的示例代码：

import xgboost as xgb
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据并拆分为训练和测试集
data = load_breast_cancer()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2, random_state=42)

# 定义xgboost分类器
model = xgb.XGBClassifier()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 评估模型准确度
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

在此示例中，我们使用xgboost库加载乳腺癌数据集并将其拆分为训练和测试集。我们定义了一个xgboost分类器，使用训练数据训练模型，然后将测试数据输入模型进行预测。最后，我们使用sklearn.metrics库中的accuracy_score函数计算模型的准确度。