提供一个波士顿房价的数据集

波士顿房价数据集是一个经典的机器学习数据集，它最早来自于1978年H. D. Longley发表在《美国统计学会》（American Statistical Association）上的一篇论文。这个数据集通常被用来进行回归分析和预测建模，特别是线性回归和决策树等算法的学习。它包含了13个特征，如犯罪率、人口密度、平均住宅年龄等，以及一个目标变量——波士顿地区的房屋中位数价格。

数据集中的一些关键变量包括：
1. CRIM：犯罪率（每平方英里的犯罪率）
2.ZN：陆地总面积与建成区面积的比例
3.INDUS：非零售业务占地比例
4.CHAS：查尔斯河缓冲区（1表示在河边，0表示不在）
5.NOX：氮氧化物浓度（ppm）
6.RM：每个住宅的房间数量
7.AGE：住宅的建造年代
8.DIS：到最近城市的距离（单位为税英里）
9.RAD：五个波士顿周边的主要道路辐射区域
10.TAX：每千平方英尺的土地税
11.PTRATIO：学生与教师的比例
12.B：1000(Bk - 0.63)^2，其中Bk是黑人占总人口的比例
13.LSTAT：低收入家庭比例

要获取这个数据集，你可以从以下几个地方找到：
1. scikit-learn库：Python中的机器学习库提供了预加载的波士顿房价数据。

from sklearn.datasets import load_boston
boston = load_boston()

2. UCI Machine Learning Repository：https://archive.ics.uci.edu/ml/datasets/Housing
3. 数据科学竞赛平台如Kaggle：有时也有包含波士顿房价数据的实战项目可供学习。