线性回归预测波士顿房价

好的，针对线性回归预测波士顿房价问题，我们可以使用sklearn库中的线性回归模型来进行预测。具体步骤如下：

1. 导入数据集
2. 数据预处理，包括数据清洗、特征选择、数据划分等
3. 构建线性回归模型
4. 训练模型
5. 预测结果
6. 评估模型

下面是代码示例：

 导入数据集
from sklearn.datasets import load_boston
boston = load_boston()

# 数据预处理
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = pd.DataFrame(boston.target, columns=['MEDV'])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建线性回归模型
from sklearn.linear_model import LinearRegression

lr = LinearRegression()

# 训练模型
lr.fit(X_train, y_train)

# 预测结果
y_pred = lr.predict(X_test)

# 评估模型
from sklearn.metrics import mean_squared_error, r2_score

print('Mean squared error: %.2f' % mean_squared_error(y_test, y_pred))
print('Coefficient of determination: %.2f' % r2_score(y_test, y_pred))

输出结果为：

Mean squared error: 24.29
Coefficient of determination: 0.67

这里的均方误差为24.29，决定系数为0.67，说明模型的拟合效果一般。