补全以下程序，完成以下功能：使用sklearn利用波士顿房价数据集，实现多元线性回归分析。“# （1）导入库 from sklearn.datasets import load_boston from sklearn.model_selection import train_test_split __________________________________________ # 导入线性回归库 import matplotlib.pyplot as plt from matplotlib import rcParams # （2）加载数据集 boston = load_boston() x = boston['data'] y = boston['target'] names = boston['feature_names'] # 分割数据为训练集和测试集 # 切分数据，设置测试集为所有样本数据的10%，随机数值为22 x_train, x_test, y_train, y_test = _______________________________________________ print('x_train前3行数据为：', x_train[0:3], '\n', 'y_train前3行数据为：', y_train[0:3]) # （3）创建线性回归模型对象lr # 在下面填写一行代码， 以创建线性回归模型对象lr ________________________________ # 使用训练集训练模型 __________________ # 显示模型 print(lr) # 显示模型13个系数 _______________ # 显示模型截距 _______________ # （4）使用测试集获取预测结果 # 在下面填写一个参数， 实现基于测试集中的前10个样本进行预测，输出前10个预测值。 print(lr.predict(_____________)) # （5）模型评估 # 计算并输出决定系数R2 print(lr.score(x_test, y_test))”

# （1）导入库
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression # 导入线性回归库
import matplotlib.pyplot as plt
from matplotlib import rcParams

# （2）加载数据集
boston = load_boston()
x = boston['data']
y = boston['target']
names = boston['feature_names']

# 分割数据为训练集和测试集
# 切分数据，设置测试集为所有样本数据的10%，随机数值为22
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=22)
print('x_train前3行数据为：', x_train[0:3], '\n', 'y_train前3行数据为：', y_train[0:3])

# （3）创建线性回归模型对象lr
lr = LinearRegression() # 在下面填写一行代码， 以创建线性回归模型对象lr

# 使用训练集训练模型
lr.fit(x_train, y_train)

# 显示模型
print(lr) # 显示模型
print(lr.coef_) # 显示模型13个系数
print(lr.intercept_) # 显示模型截距

# （4）使用测试集获取预测结果
# 在下面填写一个参数， 实现基于测试集中的前10个样本进行预测，输出前10个预测值。
print(lr.predict(x_test[:10]))

# （5）模型评估
# 计算并输出决定系数R2
print(lr.score(x_test, y_test))