基于Lasso回归的波士顿房价预测，并将预测房价和真实房价可视化呈现出来

1. 数据准备

首先，我们需要导入波士顿房价数据集，并将其分为训练集和测试集。

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

# 导入数据集
boston = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=0)

2. Lasso回归模型训练

接下来，我们使用Lasso回归模型对训练集进行拟合，并使用测试集对模型进行评估。

from sklearn.linear_model import Lasso
from sklearn.metrics import mean_squared_error

# 创建Lasso回归模型
lasso = Lasso(alpha=0.1)

# 拟合训练数据
lasso.fit(X_train, y_train)

# 预测测试数据
y_pred = lasso.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
print("均方误差：", mse)

输出结果：

均方误差： 33.27658687128449

3. 可视化预测结果

最后，我们使用matplotlib库将预测结果和真实房价可视化呈现出来。

import matplotlib.pyplot as plt

# 可视化预测结果和真实房价
plt.scatter(y_test, y_pred)
plt.plot([0, 50], [0, 50], "--k")
plt.xlabel("真实房价")
plt.ylabel("预测房价")
plt.title("Lasso回归预测结果")
plt.show()

输出结果：


从图中可以看出，预测结果和真实房价之间存在一定的误差，但整体趋势基本一致。