波士顿房价数据集，探究自变量与因变量的相关性

波士顿房价数据集（Boston Housing Dataset）是统计学和机器学习领域中常用的一个经典数据集，它来源于1978年的哈佛大学住房研究项目。这个数据集由13个特征（自变量）组成，包括犯罪率、住宅区的徒步到市中心的距离、低收入家庭比例、平均房间数、学区质量等，用于预测目标变量——房屋的中位数价格（因变量）。

数据集中的每个观测值代表一个波士顿地区的房价，通过这些特征可以分析各个因素对房价的影响，比如好的学区通常会推高房价，而较高的犯罪率可能会降低房价。这个数据集经常被用于线性回归、决策树、随机森林等模型的训练和评估，以及探索特征之间的相关性和它们对预测结果的贡献。