波士顿房价预测决策树法

决策树是一种常用的机器学习算法，可以用于波士顿房价预测。下面是使用决策树进行波士顿房价预测的示例代码：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_squared_error

# 加载波士顿房价数据集
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)

# 创建决策树回归模型
model = DecisionTreeRegressor(random_state=42)

# 训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算均方误差
error = mean_squared_error(y_true=y_test, y_pred=y_pred)
print("测试数据集误差:", error)

这段代码首先加载了波士顿房价数据集，然后将数据集划分为训练集和测试集。接下来，创建了一个决策树回归模型，并使用训练集对模型进行训练。最后，使用测试集进行预测，并计算预测结果与真实值之间的均方误差。