xgboost算法使用样例

好的，下面是一个使用 xgboost 算法的示例：

# 导入必要的库和模块
import xgboost as xgb
from xgboost import plot_importance
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt

# 加载波士顿房价数据集
boston = load_boston()

# 切分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=123)

# 定义 xgboost 模型并训练
model = xgb.XGBRegressor(max_depth=5, learning_rate=0.1, n_estimators=100, objective='reg:squarederror')
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

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

# 画出特征重要性图
plot_importance(model)
plt.show()

在这个示例中，我们使用波士顿房价数据集，定义了一个 xgboost 回归模型，并使用训练集进行训练。然后，我们使用测试集进行预测，并计算了均方误差。最后，我们画出了特征重要性图，以评估特征对模型的影响程度。