使用波士顿房价训练集对线性模型进行训练，并使用测试集预测房价情况，给我代码

好的，以下是针对波士顿房价数据集的线性回归模型的Python代码：

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

# 加载数据集
boston = load_boston()

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

# 实例化线性回归模型
lr_model = LinearRegression()

# 对训练集进行拟合
lr_model.fit(X_train, y_train)

# 对测试集进行预测
y_pred = lr_model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

print("均方误差为：", mse)

注：以上代码需要先安装相关的Python库，如scikit-learn等。