SVM算法预测波士顿房价代码

以下是使用SVM算法预测波士顿房价的代码示例：

# 导入所需的库和模块
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
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

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM回归模型
svm = SVR()

# 在训练集上训练模型
svm.fit(X_train, y_train)

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

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

这段代码首先导入了所需的库和模块，然后加载了波士顿房价数据集。接下来，将数据集划分为训练集和测试集。然后，创建了一个SVM回归模型，并在训练集上进行训练。最后，在测试集上进行预测，并计算了均方误差。