波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“HelloWorld”。请同学们利用机器学习方法完成波士顿房价的预测。（数据集自行下载）

好的，波士顿房价预测是一个经典的回归问题。我们可以使用各种机器学习算法来解决这个问题，比如线性回归、决策树、随机森林、神经网络等。

下面是一个基于 scikit-learn 的线性回归模型的示例代码：

import numpy as np
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载波士顿房价数据集
boston = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 在训练集上拟合模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("Mean squared error: %.2f" % mse)

你可以根据自己的需要来调整模型参数和算法选择，以获得更好的预测结果。