如何使用sklearn中波士顿房价预测数据集

1. 导入数据集

首先，需要从sklearn.datasets中导入波士顿房价预测数据集。

from sklearn.datasets import load_boston
boston = load_boston()

2. 数据探索

接下来，可以使用以下代码对数据集进行探索：

# 查看数据集的描述性统计
print(boston.DESCR)

# 查看特征变量
print(boston.feature_names)

# 查看数据集的数据
print(boston.data)

# 查看目标变量
print(boston.target)

3. 数据预处理

在对数据进行建模之前，需要对数据进行预处理。可以使用以下代码进行标准化处理：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X = scaler.fit_transform(boston.data)
y = boston.target

4. 构建模型

接下来，可以使用以下代码构建一个线性回归模型：

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X, y)

5. 模型测试

最后，可以使用以下代码对模型进行测试：

# 预测房价
y_pred = model.predict(X)

# 计算模型的R平方值
from sklearn.metrics import r2_score
print(r2_score(y, y_pred))

其中，R平方值用于衡量模型的拟合程度，值越接近1表示模型的拟合程度越好。