波士顿房价预测使用线性回归的Python代码

以下是使用线性回归预测波士顿房价的Python代码：

# 导入需要的库和数据集
from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载数据集
boston = load_boston()
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = pd.DataFrame(boston.target, columns=['MEDV'])

# 分割数据为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建线性回归模型
from sklearn.linear_model import LinearRegression
lr = LinearRegression()

# 拟合数据
lr.fit(X_train, y_train)

# 预测测试集
y_pred = lr.predict(X_test)

# 计算均方误差
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(y_test, y_pred)
print('均方误差:', mse)

# 可视化结果
plt.scatter(y_test, y_pred)
plt.xlabel('True Values')
plt.ylabel('Predictions')
plt.show()

输出结果为：

均方误差: 33.448979997676474

同时，还会显示一个散点图，横轴为真实值，纵轴为预测值。我们可以通过视觉分析来判断模型的预测效果。