线性回归模型模拟波士顿房价中，输出线性回归模型的斜率和截距，pc代码

在Python的Scikit-learn库中，可以使用`LinearRegression`模型来模拟波士顿房价数据集。假设我们已经加载了数据并分割成了特征（X）和目标变量（y）。以下是一个简单的例子，展示如何计算模型的斜率（系数）和截距：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载波士顿房价数据
boston = load_boston()
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)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 获取斜率（系数）和截距
slope = model.coef_
intercept = model.intercept_

print(f"斜率（系数）：{slope}")
print(f"截距：{intercept}")