通过sklanern的本地数据中的波士顿房价数据集，实现房价预测。 1.加载数据；2.提取分析对象；3.通过LinearSVR()函数创建向量回归函数；4.训练模型；5.输出预测结果

以下是一个基于sklearn的波士顿房价预测的示例代码，使用的是LinearSVR()函数创建向量回归函数：

# 导入所需的库和函数
from sklearn.datasets import load_boston
from sklearn.svm import LinearSVR
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据
boston = load_boston()

# 提取数据和标签
X = boston.data
y = boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建向量回归函数
model = LinearSVR(random_state=42)

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

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

在这个示例中，我们使用了sklearn库中的LinearSVR函数来创建一个向量回归函数，并使用波士顿房价数据集进行训练和测试。我们将数据集划分为训练集和测试集，使用训练集来训练模型，然后在测试集上进行预测并计算均方误差。