如何建立13个变量与机器学习库中自带的波士顿房价y之间的预测模型

要在Python的scikit-learn库中建立一个多变量线性回归模型预测波士顿房价（`y`），你需要按照以下步骤操作：

1. **加载数据**：
使用`load_boston()`函数从scikit-learn库导入波士顿房价数据集。

   from sklearn.datasets import load_boston
   boston_data = load_boston()
   X = boston_data.data  # 特征数据
   y = boston_data.target  # 目标变量房价

2. **数据预处理**：
确保数据适合模型训练，如缺失值处理、异常值检测、特征缩放等。

   # 这里假设数据没有缺失值，如有缺失则需要填充或删除

3. **划分数据集**：
分割数据集为训练集和测试集，通常比例为80%训练和20%测试。

   from sklearn.model_selection import train_test_split
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **创建模型**：
选择`LinearRegression`类实例化一个线性回归模型。

   from sklearn.linear_model import LinearRegression
   model = LinearRegression()

5. **训练模型**：
使用训练数据拟合模型。

   model.fit(X_train, y_train)

6. **预测**：
对测试集进行预测。

   y_pred = model.predict(X_test)

7. **评估模型**：
使用评估指标，如均方误差(MSE)、R²分数等检查模型性能。

   from sklearn.metrics import mean_squared_error, r2_score
   mse = mean_squared_error(y_test, y_pred)
   r2 = r2_score(y_test, y_pred)
   print(f"Mean Squared Error: {mse}")
   print(f"R-squared: {r2}")

以上就是建立一个多变量线性回归模型的基本步骤。如果你想要尝试其他算法或调整模型参数，可以查阅scikit-learn的相关文档。