在boston dataset中，用python实现下面要求，给出代码：2.添加代码以查找房价与数据集中其他自变量之间的相关性。 3.与以前一样，保存33%的数据用于测试。 4.用数据集最高的自变量创建一个新的简单（单自变量）回归模型。如果贫困水平最高，那么选择下一个最高的。 5.计算并打印训练数据和测试数据的MSE，并在代码块之后回答问题。

下面是使用Python实现您提出的要求的代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 读取数据集
data = pd.read_csv('boston.csv')

# 查找房价与其他自变量之间的相关性
correlation = data.corr()['MEDV'].drop('MEDV')
print(correlation)

# 分离自变量和因变量
X = data[['RM']]  # 使用房间数量作为自变量
y = data['MEDV']  # 房价作为因变量

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

# 创建简单回归模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 在训练集上进行预测并计算MSE
y_train_pred = regressor.predict(X_train)
train_mse = mean_squared_error(y_train, y_train_pred)
print("训练数据的MSE:", train_mse)

# 在测试集上进行预测并计算MSE
y_test_pred = regressor.predict(X_test)
test_mse = mean_squared_error(y_test, y_test_pred)
print("测试数据的MSE:", test_mse)

请注意，以上代码假设您的数据集文件名为"boston.csv"。您可以根据实际情况进行修改。

请回答以下问题：
1. 训练数据的MSE是多少？
2. 测试数据的MSE是多少？