使用线性回归算法对波士顿房价进行预测，请给出python代码

好的，下面是使用线性回归算法对波士顿房价进行预测的Python代码：

# 导入必要的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载波士顿房价数据集
from sklearn.datasets import load_boston
boston = load_boston()

# 将数据集转换为DataFrame格式
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)
boston_df['PRICE'] = boston.target

# 分离自变量和因变量
X = boston_df.drop('PRICE', axis=1)
y = boston_df['PRICE']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型
lr = LinearRegression()

# 训练模型
lr.fit(X_train, y_train)

# 预测测试集结果
y_predict = lr.predict(X_test)

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

# 输出均方误差
print("Mean squared error: %.2f" % mse)

以上代码中，我们使用了sklearn库中的`LinearRegression`类来创建线性回归模型，并使用`train_test_split`函数将数据集划分为训练集和测试集，然后使用`fit`方法训练模型，最后使用`predict`方法预测测试集结果，并使用`mean_squared_error`函数计算均方误差。