使用sklearn中的波士顿房价数据集利用pandas读取波士顿房价数据集为dataframe格式，然后从13个特征中选取6个特征（可以随机选取，也可以通过一定规则选取），利用这6个特征训练一个预测模型（模型任选），并评估该模型的预测效果。

好的，我可以帮您解答这个问题。

首先，我们需要下载波士顿房价数据集。您可以在以下链接中下载数据集：https://archive.ics.uci.edu/ml/machine-learning-databases/housing/

接下来，我们可以使用 pandas 库来读取数据集，并选取其中的 6 个特征。假设我们选取的特征为 CRIM、ZN、RM、AGE、DIS 和 LSTAT，可以使用以下代码来读取数据集并选取特征：

import pandas as pd
from sklearn.datasets import load_boston

# 读取波士顿房价数据集
boston = load_boston()

# 将数据集转换成 pandas 的 dataframe 格式
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)

# 选取特征
selected_features = ['CRIM', 'ZN', 'RM', 'AGE', 'DIS', 'LSTAT']
X = boston_df[selected_features]
y = boston.target

接下来，我们可以选择一个模型来训练数据。这里，我们选择使用线性回归模型来训练数据。您可以使用以下代码来训练模型：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 在训练集上训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print('均方误差：', mse)

最后，我们可以使用均方误差来评估模型的预测效果。均方误差越小，说明模型的预测效果越好。