波士顿房价数据集代码

波士顿房价数据集是一个经典的机器学习数据集，通常用于监督学习中的回归任务，比如预测房价。这个数据集来自1978年的《哈佛住房研究项目》（Housing Data Set），由13个特征和一个目标变量组成，这些特征包括诸如犯罪率、人口密度、平均房间数等，目标变量是每个区域的中位数房价。

在Python中，你可以使用Scikit-learn库来加载这个数据集，下面是一个简单的例子：

from sklearn.datasets import load_boston
import pandas as pd

# 加载数据集
boston = load_boston()
data = boston.data
target = boston.target

# 创建pandas DataFrame，方便查看数据
feature_names = boston.feature_names
df_boston = pd.DataFrame(data, columns=feature_names)
df_boston['PRICE'] = target

# 打印数据集基本信息
print(df_boston.head())
print("描述统计信息:")
print(df_boston.describe())

# 对数据进行预处理和分割（这里只是一个基本示例，实际应用可能需要更复杂的数据预处理）
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=42)

在上述代码中，`load_boston()`函数用于加载数据，`pandas`库用于数据处理和可视化，`train_test_split()`则用来划分训练集和测试集。