使用波士顿房价数据集进行线性回归预测python代码

在Python中，我们可以使用Scikit-Learn库来进行波士顿房价数据集的线性回归预测。首先，你需要导入必要的库，然后加载数据，接着划分训练集和测试集，最后构建并训练模型，评估性能。以下是简化的步骤：

# 导入库
import numpy as np
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

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

# 划分数据集为训练集和测试集
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()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型性能（计算均方误差）
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

#