boston_hoursing = sklearn.datasets.load_boston() boston_feature = boston_hoursing.data 现在我的这两段python代码因为load_boston()被淘汰而不能运行，如何解决？

你可以使用以下代码来加载波士顿房价数据集，并获取特征数据：

from sklearn.datasets import fetch_openml

boston_housing = fetch_openml(name='boston')
boston_feature = boston_housing.data

这里使用了`fetch_openml`函数来加载波士顿房价数据集。请注意，这个函数返回的对象与`load_boston`返回的对象有所不同，因此你需要适当地修改你的代码来适应这个变化。

相关问题

boston_hoursing = sklearn.datasets.load_boston() boston_feature = boston_hoursing.data 现在我的这两段python代码因为load_boston()无法使用而不能运行，如何解决？

`load_boston()`函数是来自于`sklearn.datasets`模块，所以你需要先确保已经正确安装了`scikit-learn`库。如果你已经安装了该库，但仍无法使用该函数，可能是因为你的版本比较老旧，可以考虑升级到最新版本。你可以通过以下代码来检查是否已经正确安装`scikit-learn`库：

import sklearn
print(sklearn.__version__)

如果输出正确的版本号，但仍然无法使用`load_boston()`函数，那么可能是因为你没有正确导入该函数。你可以使用以下代码来导入该函数：

from sklearn.datasets import load_boston

这样就可以使用`load_boston()`函数来加载波士顿房价数据集了。

帮我优化这段代码;import numpy as np from sklearn.datasets import load_boston from sklearn.model_selection import train_test_split from linear_model_03.closed_form_sol.LineaRegression_CFSol import LinearRegressionClosedFormSol boston = load_boston() # 加载数据 X, y = boston.data, boston.target # 样本数据和目标值 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1, shuffle=True) lr_cfs = LinearRegressionClosedFormSol(fit_intercept=True, normalized=True) # 默认训练偏置项和进行标准化 lr_cfs.fit(X_train, y_train) # 训练模型 theta = lr_cfs.get_params() feature_names = boston.feature_names # 样本的名称 for i, fn in enumerate(feature_names): print(fn, ":", theta[0][i]) print("bias:", theta[1]) y_test_pred = lr_cfs.predict(x_test=X_test) mse, r2, r2c = lr_cfs.cal_mse_r2(y_test, y_test_pred) print("均方误差：%.5f,判决系数：%.5f,修正判决系数：%.5f" % (mse, r2, r2c)) # lr_cfs.plt_predict(y_test, y_test_pred, is_sort=False) lr_cfs.plt_predict(y_test, y_test_pred, is_sort=True)

好的，我来帮你优化代码。首先，你可以将导入的库放在代码开头，以便更好地组织代码。另外，命名规范也需要注意，例如，类名应该使用大写字母开头，函数名和变量名应该使用小写字母和下划线。下面是优化后的代码：

import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from linear_model_03.closed_form_sol.LinearRegression_CFSol import LinearRegressionClosedFormSol

boston = load_boston()
X, y = boston.data, boston.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1, shuffle=True)

lr_cfs = LinearRegressionClosedFormSol(fit_intercept=True, normalized=True)
lr_cfs.fit(X_train, y_train)

theta = lr_cfs.get_params()
feature_names = boston.feature_names

for i, fn in enumerate(feature_names):
    print(fn, ":", theta[0][i])
print("bias:", theta[1])

y_test_pred = lr_cfs.predict(x_test=X_test)
mse, r2, r2c = lr_cfs.cal_mse_r2(y_test, y_test_pred)
print("均方误差：%.5f,判决系数：%.5f,修正判决系数：%.5f" % (mse, r2, r2c))

lr_cfs.plt_predict(y_test, y_test_pred, is_sort=True)

这样，代码更加清晰易读，同时也符合 PEP8 规范。