波士顿房价线性回归模型，线性回归模型使用均方误差作为损失函数（Loss），完整的python代码并加上注释

下面是波士顿房价线性回归模型的完整Python代码及注释：

# 导入需要的库
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 载入波士顿房价数据集
boston = load_boston()

# 创建数据框
df = pd.DataFrame(boston.data, columns=boston.feature_names)

# 添加目标变量
df['PRICE'] = boston.target

# 定义自变量和因变量
X = df.drop('PRICE', axis=1)
y = df['PRICE']

# 将数据划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建线性回归对象
reg = LinearRegression()

# 训练模型
reg.fit(X_train, y_train)

# 预测测试集结果
y_pred = reg.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print('均方误差:', mse)

这个例子中，我们先使用`load_boston()`函数加载波士顿房价数据集，然后将其转换成一个数据框。接着，我们将数据框中的所有列都作为自变量，将目标变量`PRICE`作为因变量，将数据划分为训练集和测试集。我们使用`LinearRegression()`函数创建一个线性回归对象，训练模型，预测测试集结果，最后计算均方误差。