文件中存储了506个地区房价及其影响因素，数据中每一行的前13列为房价影响因素最后一列为实际房价，请根据以上的数据建立房价预测模型，并使用该模型预测 test . xlsx 文件中101区的房价情况，并将预测结果写入 test

建立房价预测模型的步骤如下：

1. 数据预处理：首先读取文件中的数据，将前13列作为房价影响因素，将最后一列作为实际房价。然后对数据进行清洗，包括去除缺失值、异常值等。

2. 特征选择：根据问题的要求和数据的特点，选择合适的特征。可以使用相关性分析、主成分分析等方法进行特征选择。

3. 模型选择：根据问题的需要选择适合的房价预测模型。可以选择线性回归、决策树、随机森林等模型。考虑到房价受多个因素影响，可以尝试使用集成学习方法，如随机森林。

4. 模型训练：将数据集划分为训练集和验证集，使用训练集对模型进行训练，优化模型的参数和超参数，使其在验证集上的预测性能达到最佳。

5. 模型评估：使用评估指标（如均方误差）对模型的性能进行评估。可以使用交叉验证的方法进行评估，提高结果的可信度。

6. 模型预测：使用训练好的模型对 test.xlsx 文件中的101区的房价情况进行预测，并将预测结果写入 test.xlsx 文件中。

预测结果可以根据实际情况选择输出格式，如将预测值填写在 test.xlsx 文件的适当位置，或者输出到一个新的文件中。

以上是建立房价预测模型并进行预测的一般步骤，根据具体情况和要求，可能还需要进行各种优化和调整。