sklearn中的波士顿数据集

sklearn中的波士顿数据集是一个经典的回归问题数据集，用于预测波士顿地区房屋价格的中位数。该数据集包含了506个样本和13个特征，其中包括城镇犯罪率、住宅平均房间数、到中心区域的加权距离等。\[1\]你可以使用sklearn中的load_boston函数来加载该数据集，并将数据集分为输入特征X和输出标签y。\[1\]你还可以使用train_test_split函数将数据集划分为训练集和测试集，然后使用LinearRegression函数进行线性回归模型的训练和预测。\[2\]训练完成后，你可以使用score函数查看模型在测试集上的准确率，使用coef_属性查看每个特征对应的系数。\[3\]
#### 引用[.reference_title]
- *1* [使用sklearn加载波士顿房价数据集](https://blog.csdn.net/weixin_44385745/article/details/114578428)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [sklearn波士顿房价数据集——线性回归](https://blog.csdn.net/m0_57210162/article/details/120628434)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]