sklearn.datasets.load_boston

sklearn.datasets.load_boston是一个函数，用于加载波士顿房价数据集。该数据集包含506个样本，每个样本有13个特征，包括城镇犯罪率、每个城镇非零售业务的比例等。目标变量是该地区房屋的中位数价值。该数据集通常用于回归问题的训练和测试。

相关问题

boston_hoursing = sklearn.datasets.load_boston() boston_feature = boston_hoursing.data 现在我的这两段python代码因为load_boston()被淘汰而不能运行，如何解决？

你可以使用以下代码来加载波士顿房价数据集，并获取特征数据：

from sklearn.datasets import fetch_openml

boston_housing = fetch_openml(name='boston')
boston_feature = boston_housing.data

这里使用了`fetch_openml`函数来加载波士顿房价数据集。请注意，这个函数返回的对象与`load_boston`返回的对象有所不同，因此你需要适当地修改你的代码来适应这个变化。

基于sklearn的波士顿房价数据集（sklearn.datasets.load_boston），编写代码训练一个线性回归模型并计算模型的RMSE和R2得分

好的，我可以帮你回答这个问题。以下是基于sklearn的波士顿房价数据集的线性回归模型的训练代码，并计算模型的RMSE和R2得分：

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split

# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型并训练
model = LinearRegression()
model.fit(X_train, y_train)

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

# 计算RMSE和R2得分
rmse = mean_squared_error(y_test, y_pred, squared=False)
r2 = r2_score(y_test, y_pred)

# 打印输出结果
print("RMSE:", rmse)
print("R2 score:", r2)

注意事项：在运行代码前，请确保sklearn、numpy和pandas等库已经安装完成。