波士顿房价线性回归代码实现

好的，这里是一个简单的波士顿房价线性回归的代码实现（使用Python的Scikit-learn库）：

# 导入所需的库
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
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()

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 创建线性回归模型并拟合训练数据
model = LinearRegression()
model.fit(X_train, y_train)

# 使用测试集进行预测并计算均方误差
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)

# 输出均方误差
print("均方误差：", mse)

这段代码通过加载波士顿房价数据集并将其分割为训练集和测试集，创建了一个线性回归模型并拟合了训练数据。然后使用测试集进行预测并计算均方误差，最后输出均方误差。