构建GBDT回归模型的python代码是什么

以下是构建GBDT回归模型的Python代码示例：

# 导入需要的库
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 划分训练集和测试集
X = data.drop(['y'], axis=1)
y = data['y']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义GBDT模型并训练
gbdt = GradientBoostingRegressor()
gbdt.fit(X_train, y_train)

# 预测并计算均方误差
y_pred = gbdt.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print('均方误差为：', mse)

首先导入需要的库，包括GBDT回归模型（GradientBoostingRegressor）、均方误差（mean_squared_error）和数据集划分（train_test_split）等。

然后读取数据集，并将自变量和因变量分开。使用train_test_split函数将数据集划分为训练集和测试集。

接下来定义GBDT模型并使用训练集进行训练。训练完成后，使用测试集进行预测，并计算均方误差。

最后输出均方误差