帮我写一个机器学习的回归问题案例代码

好的，以下是一个简单的机器学习回归问题案例代码，同样使用的是 Python 和 Scikit-learn 库：

# 导入所需库
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

# 加载数据集
boston = load_boston()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.3)

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

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

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

这段代码使用了波士顿房价数据集（boston），将数据集划分为训练集和测试集，使用了线性回归模型进行模型训练，然后预测测试集结果并计算均方误差（MSE）。这是一个非常基础的机器学习回归问题案例，可以作为学习机器学习的入门练习。