利用波士顿房价数据集，写一个线性回归的代码，训练集和测试机的比例为7：3

利用波士顿房价数据集进行线性回归建模，通常我们需要先加载数据，然后将数据分为训练集和测试集，接着训练模型并评估其性能。以下是使用Python的sklearn库实现的一个简短示例：

# 导入所需库
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
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

# 将数据分为训练集和测试集，比例为7:3
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 计算均方误差作为评估指标
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error (MSE) on test set:", mse)

#