波士顿房价回归模型题解输出模型对测试集的预测结果和测试集真实标签，观察预测结果和真实结果是否基本一致代码

在Python中，我们可以使用`sklearn`库来完成这个任务。假设我们已经按照上述步骤训练了一个回归模型，并且已经有了测试集的输入数据（X_test）和对应的标签（y_test）。下面是如何获取并比较模型预测和实际标签的结果：

# 导入必要的模块
from sklearn.metrics import mean_squared_error
import numpy as np

# 首先，使用训练好的模型对测试集进行预测
predictions = model.predict(X_test)

# 计算预测值和实际标签之间的差异
mse = mean_squared_error(y_test, predictions)

# 将预测值和实际标签一起展示
print("预测结果：", predictions[:5])  # 打印前5个预测值
print("实际标签：", y_test[:5])      # 打印前5个实际标签

# 计算并打印均方误差（MSE）
print(f"均方误差（MSE）：{mse}")

# 观察两者是否一致，一般来说，如果MSE接近于0，说明预测结果与真实结果相当接近。

这里，`mean_squared_error`函数返回的是预测值与真实值之间差平方的平均值，越小表示预测越准确。如果你发现MSE较大或者预测值与真实值有较大的偏差，那就可能意味着模型的泛化能力有待提高，或者数据分布和模型假设存在一些不匹配的地方。