帮我编一段基于线性回归的波士顿房价预测代码

当然可以，以下是基于线性回归的波士顿房价预测代码：

# 导入必要的库和数据集
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载波士顿房价数据集
boston = load_boston()

# 获取数据和目标变量
X = boston.data
y = boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建线性回归模型并拟合训练数据
model = LinearRegression()
model.fit(X_train, y_train)

# 进行预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

# 输出均方误差
print("均方误差：", mse)

这段代码首先加载波士顿房价数据集，然后将数据集划分为训练集和测试集。接下来，创建一个线性回归模型并使用训练数据进行拟合。然后，使用测试数据进行预测并计算均方误差。最后，输出均方误差结果。