你好，请问可以帮助我写一段代码，内容包括基于housing.csv 构建一颗回归树,并且使用十折交叉验证

当然可以帮你写这段代码。我们可以使用Python中的scikit-learn库来构建回归树和进行十折交叉验证。

下面是代码示例：

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import cross_val_score

# 读取数据集
df = pd.read_csv('housing.csv')

# 分离特征和目标变量
X = df.drop('MEDV', axis=1)
y = df['MEDV']

# 构建回归树模型
regressor = DecisionTreeRegressor(random_state=0)

# 进行十折交叉验证
scores = cross_val_score(regressor, X, y, cv=10)

# 输出交叉验证得分
print('十折交叉验证得分：{:.2f}'.format(scores.mean()))

代码解释：

1. 首先，我们导入了所需的库和模块。
2. 接着，我们使用pandas库中的read_csv()方法读取housing.csv数据集。
3. 然后，我们使用drop()方法分离出特征变量和目标变量，将特征变量存储在X中，将目标变量存储在y中。
4. 接下来，我们使用scikit-learn库中的DecisionTreeRegressor类构建回归树模型，并将其存储在regressor变量中。
5. 最后，我们使用cross_val_score()方法进行十折交叉验证，并将结果存储在scores变量中。我们使用mean()方法计算平均得分，并将其输出到屏幕上。

希望这个代码示例可以帮助到你！