参数为PTRATIO,RAD,ZN,CRIM写一个波士顿房价预测python代码并将数据可视化

以下是一个基于线性回归模型的波士顿房价预测的 Python 代码，使用的数据集是 sklearn 中自带的波士顿房价数据集。其中，使用了 PTRATIO、RAD、ZN、CRIM 四个特征作为输入，预测房价 MEDV。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载数据集
boston = load_boston()

# 提取特征和标签
X = boston.data[:, [10, 8, 1, 0]]
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)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并计算误差
y_pred = model.predict(X_test)
mse = np.mean((y_pred - y_test)**2)
print("Mean Squared Error:", mse)

# 可视化
x_axis = range(len(y_test))
plt.scatter(x_axis, y_test, s=5, color="blue", label="true")
plt.plot(x_axis, y_pred, lw=1, color="red", label="predict")
plt.legend()
plt.show()

这段代码会输出预测结果的均方误差（Mean Squared Error），并且会将预测结果和真实结果可视化出来。

当然，这个模型的预测效果并不好，只是简单示例。如果需要更好的预测效果，可以使用更复杂的模型（比如神经网络），或者使用更多的特征。