使用线性回归预测波士顿房价的走势，写代码

线性回归是一种统计模型，常用于预测连续数值。在Python中，我们可以使用scikit-learn库来进行波士顿房价的预测。首先，你需要安装必要的库，比如pandas、numpy和scikit-learn。以下是一个简单的示例：

# 导入所需库
import pandas as pd
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

# 加载波士顿房价数据集
boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target

# 划分特征和目标变量
X = data
y = target

# 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)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

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

# 进一步可以可视化预测结果

这个例子中，我们加载了波士顿房价数据集，划分了数据，创建了一个线性回归模型，并进行了训练和预测。最后，我们计算了模型预测的误差。你可以根据需要调整参数，优化模型性能。