波斯顿数据实现线性回归的时候y值怎么表达，代码

在波士顿房价数据分析（通常使用的波士顿 Housing Dataset 或 Boston Housing Project 数据集）中，线性回归的目标是预测房屋的价格（价格通常是连续变量）。在这个场景下，y 值代表的是每个样本（即一个房屋）的中位数房价。

在Python中，如果你使用sklearn库来进行线性回归，`y`值通常会被存储在一个名为`y`的一维数组或者`DataFrame`的`target`列里。例如，如果你使用pandas DataFrame来表示数据，`y`会是一个数值型的Series：

import pandas as pd
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression

# 加载波士顿数据集
boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target   # 这就是 y 值，房价

# 创建并训练模型
model = LinearRegression()
model.fit(data, target)

在这个例子中，`target`就是我们想要预测的y值，它对应于DataFrame `data`中的每一行。在线性回归过程中，`model.predict()`方法将会基于特征数据`data`来预测新的房价。