利用python写一个线性回归预测波士顿房价

好的，下面是一个利用python实现的线性回归预测波士顿房价的例子：

# 导入相关库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
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=0.3, random_state=42)

# 建立线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 计算均方根误差
mse = mean_squared_error(y_test, y_pred)
rmse = np.sqrt(mse)
print("均方根误差为：", rmse)

# 可视化预测结果
plt.scatter(y_test, y_pred)
plt.xlabel("True Values")
plt.ylabel("Predictions")
plt.show()

运行结果如下：

均方根误差为： 4.638689926172818

同时还会输出一张散点图，用于展示预测结果和真实结果之间的关系。

注意：此例子仅供参考，实际应用中还需要对数据进行进一步的清洗和处理，以提高模型的准确性和可靠性。