用pycharm实现预测波士顿房价

由于波士顿房价数据集已经包含在scikit-learn库中，我们可以直接使用该库进行数据的加载和处理，下面是实现预测波士顿房价的代码：

# 导入所需的库
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 加载数据集
boston = load_boston()

# 划分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 模型训练
model = LinearRegression()
model.fit(x_train, y_train)

# 模型测试
y_pred = model.predict(x_test)

# 模型评估
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error: ", mse)

运行以上代码后，可以得到模型的均方误差（Mean Squared Error），该值越小说明模型的预测效果越好。

需要注意的是，这只是一个简单的线性回归模型，实际上波士顿房价的预测可以使用更加复杂的模型，如决策树、随机森林、神经网络等。