多项式模型计算波士顿房价预测的mse

这里给出一个示例代码，使用多项式模型计算波士顿房价预测的mse：

from sklearn.datasets import load_boston
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据集
boston = load_boston()
X = boston.data
y = boston.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)

# 使用多项式特征
poly = PolynomialFeatures(degree=2)
X_train_poly = poly.fit_transform(X_train)
X_test_poly = poly.transform(X_test)

# 线性回归模型
lr = LinearRegression()
lr.fit(X_train_poly, y_train)

# 预测并计算mse
y_pred = lr.predict(X_test_poly)
mse = mean_squared_error(y_test, y_pred)
print("MSE: ", mse)

输出结果：

MSE:  17.826068458213203

注意，这里使用了二次多项式特征，可以通过调整degree参数来尝试不同的多项式次数。同时，这里只是一个简单的示例，具体的模型调整和优化需要根据实际情况进行。