把这段代码套用到波士顿房价数据集

由于没有给出具体的代码，无法将其套用到波士顿房价数据集。下面是一个例子，展示如何加载波士顿房价数据集并对其进行线性回归：

# 加载数据集
from sklearn.datasets import load_boston
boston = load_boston()

# 分割数据集为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2)

# 训练线性回归模型
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(X_train, y_train)

# 在测试集上进行预测并计算误差
from sklearn.metrics import mean_squared_error
y_pred = lr.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("Mean squared error: %.2f" % mse)

这个例子中，我们先加载了波士顿房价数据集，然后将数据集分割为训练集和测试集。接着，我们用训练集来训练一个线性回归模型，并使用测试集对其进行评估。最后，我们计算了预测误差的均方误差，并打印出结果。