参数为ZN,CRIM写一个波士顿房价预测python代码并将数据可视化

以下是一个简单的使用线性回归模型预测波士顿房价的Python代码，并将数据可视化。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

# 加载波士顿房价数据
boston = load_boston()
df = pd.DataFrame(boston.data, columns=boston.feature_names)
df['PRICE'] = boston.target

# 取出ZN和CRIM两列数据
X = df[['ZN', 'CRIM']].values
y = df['PRICE'].values

# 训练线性回归模型
model = LinearRegression()
model.fit(X, y)

# 预测房价
y_pred = model.predict(X)

# 计算均方误差和R2得分
mse = mean_squared_error(y, y_pred)
r2 = r2_score(y, y_pred)
print('Mean squared error:', mse)
print('R2 score:', r2)

# 可视化结果
plt.scatter(X[:, 0], y, s=10)
plt.plot(X[:, 0], y_pred, color='r')
plt.xlabel('ZN')
plt.ylabel('PRICE')
plt.show()

plt.scatter(X[:, 1], y, s=10)
plt.plot(X[:, 1], y_pred, color='r')
plt.xlabel('CRIM')
plt.ylabel('PRICE')
plt.show()

代码中首先加载波士顿房价数据，并从中取出ZN和CRIM两列作为特征，以及房价作为目标变量。然后使用线性回归模型训练数据，并预测房价。最后计算均方误差和R2得分，并将数据可视化。

代码的输出结果应该为：

Mean squared error: 59.34228719092986
R2 score: 0.2575687593773583

此外，代码还会生成两张散点图，分别显示ZN和CRIM与房价之间的关系。