通过sklanern的本地数据中的波士顿房价数据集，实现房价预测。 1.加载数据；2.提取分析对象；3.通过LinearSVR()函数创建向量回归函数；4.训练模型；5.输出预测结果，将波士顿房价的实际房价与预测房价用折线图进行显示。

以下是通过sklearn的波士顿房价数据集实现房价预测，并用折线图显示实际房价与预测房价的代码：

# 导入必要的库
from sklearn.datasets import load_boston
from sklearn.svm import LinearSVR
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt

# 加载波士顿房价数据集
boston = load_boston()

# 提取分析对象
X = boston.data # 特征
y = boston.target # 目标变量（房屋价格）

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建向量回归函数
svr = LinearSVR()

# 训练模型
svr.fit(X_train, y_train)

# 输出预测结果，并用折线图显示实际房价与预测房价
y_pred = svr.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
rmse = mean_squared_error(y_test, y_pred, squared=False)
plt.plot(y_test, label='Actual Price')
plt.plot(y_pred, label='Predicted Price')
plt.legend()
plt.show()
print('均方误差:', mse)
print('均方根误差:', rmse)

以上代码通过加载波士顿房价数据集，并使用train_test_split()函数将数据集分割为训练集和测试集。然后使用LinearSVR()函数创建向量回归函数，并使用fit()函数训练模型。最后输出预测结果，并使用matplotlib库中的plot()函数用折线图显示实际房价与预测房价，并计算均方误差和均方根误差。