python预测波士顿房价代码

这是一份使用 Python 预测波士顿房价的示例代码：

import numpy as np
import pandas as pd
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

# 加载波士顿房价数据
boston_dataset = load_boston()

# 将数据转换为 pandas DataFrame
data = pd.DataFrame(data=boston_dataset.data, columns=boston_dataset.feature_names)
target = pd.DataFrame(data=boston_dataset.target, columns=["MEDV"])

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.25, random_state=33)

# 创建线性回归模型
reg = LinearRegression()
reg.fit(X_train, y_train)

# 对测试数据进行预测
y_pred = reg.predict(X_test)

# 计算预测误差
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error: ", mse)

这份代码首先加载波士顿房价数据，然后将数据转换为 pandas DataFrame，方便进行数据分析。接着，代码将数据分为训练集和测试集，使用线性回归模型进行训练，最后使用测试数据对模型进行评估，计算预测误差。