导入波士顿房价数据集的回归模型代码

在Python中，我们可以使用sklearn库来导入波士顿房价数据集并建立回归模型。这里是一个简单的例子：

# 首先，需要导入所需的库
import pandas as pd
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()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target  # 目标变量（房价）

# 数据预处理，通常我们会将特征归一化或标准化
# 这里直接假设数据已经准备好，你可以根据实际情况进行处理

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 使用训练集拟合模型
model.fit(X_train, y_train)

# 预测测试集结果
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)

#