波士顿房价预测 python实现

波士顿房价预测是一个经典的机器学习案例，通常用于入门数据分析和线性回归模型的应用。Python中，可以使用sklearn库中的`Boston Housing`数据集来实现这个任务。以下是基本步骤：

1. **导入所需的库**：

import numpy as np
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

2. **加载数据**：

boston = load_boston()
X = boston.data
y = boston.target

3. **数据预处理**：

# 分割特征（X）和目标变量（y）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **创建并训练模型**：

model = LinearRegression()  # 或者其他回归模型如RandomForestRegressor
model.fit(X_train, y_train)

5. **预测和评估**：

y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("均方误差(MSE):", mse)