从sklearn.datasets中调用load_boston,从中随机抽取70%作为训练集，30%作为测试集，并在训练集上给出一个线性模型以及模型的回归系数，请用python详细编写代码

首先，我们需要导入所需的库，然后加载波士顿房价数据，接着进行数据分割，最后训练线性模型并获取回归系数。以下是Python代码示例：

# 导入所需库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import numpy as np

# 加载波士顿房价数据集
boston = datasets.load_boston()
X = boston.data
y = boston.target

# 随机抽样，划分训练集和测试集，比例为70%训练、30%测试
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 获取模型的回归系数（系数向量）
coefficients = model.coef_

# 打印回归系数
print("Linear Regression Coefficients:")
for i, coefficient in enumerate(coefficients):
    print(f"Feature {i+1}: {coefficient:.2f}")

# 你可以通过下面的代码计算模型的R^2得分，作为模型性能的一个指标
score = model.score(X_test, y_test)
print(f"\nModel R^2 Score: {score:.2f}\n")