利用线性回归预测房价

线性回归模型可以通过建立特征和目标变量（即房价）之间的线性关系来预测房价。下面是利用Python中的Scikit-learn库进行线性回归预测房价的步骤：

1. 导入必要的库和数据集：

from sklearn import datasets
from sklearn.linear_model import LinearRegression

# 导入波士顿房价数据集
boston = datasets.load_boston()
X = boston['data']  # 数据，这些数据影响了房价，统计指标
y = boston['target']  # 房价，24就表示24万美金

2. 创建线性回归模型并训练：

# 创建线性回归模型
lr = LinearRegression()

# 训练模型
lr.fit(X, y)

3. 预测房价：

# 预测房价
y_pred = lr.predict(X)

4. 输出预测结果：

print(y_pred)