波士顿房价面积80-200 ，售价100-300，随机生成十个数求的的线性回归方程图python代码

在Python中，我们可以使用`numpy`库生成随机数据，`matplotlib`库绘制散点图，并利用`sklearn`库进行线性回归。下面是一个简单的示例，展示如何生成这样的数据并绘制线性回归图：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 随机生成房价数据
np.random.seed(42)  # 设置随机种子保证结果可复现
house_prices = np.random.randint(low=100, high=301, size=(10,))  # 售价
house_sizes = np.random.randint(low=80, high=201, size=(10,)).reshape(-1, 1)  # 面积

# 创建线性模型并拟合数据
model = LinearRegression()
model.fit(house_sizes, house_prices)

# 计算并预测
y_pred = model.predict(house_sizes)

# 绘制散点图和回归线
plt.scatter(house_sizes, house_prices, label='Data')
plt.plot(house_sizes, y_pred, color='red', linewidth=2, label='Linear Regression')
plt.xlabel('House Size (Square Feet)')
plt.ylabel('House Price ($)')
plt.legend()
plt.title('Boston House Prices vs Area (Random Data)')
plt.show()