波斯顿房价预测线性回归实现代码及标注

波士顿房价预测中使用线性回归是一种常见的方法，这里我们以Python的Scikit-Learn库为例，给出一个简化的线性回归实现代码：

# 导入所需库
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
import pandas as pd

# 加载波士顿房价数据集
boston = load_boston()
X = boston.data  # 特征数组
y = boston.target  # 目标变量（房价）

# 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)

# 创建线性回归模型
model = LinearRegression()

# 使用训练数据拟合模型
model.fit(X_train, y_train)

# 预测测试集
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)

# 注释：
# - `load_boston()` 函数用于加载波士顿房价数据集
# - `train_test_split()` 将数据划分为训练集和测试集
# - `LinearRegression()` 创建线性回归模型
# - `.fit()` 方法用于训练模型
# - `.predict()` 方法用于进行预测
# - `mean_squared_error()` 计算预测结果与真实值之间的均方误差，衡量模型性能