python中使用线性回归对波士顿房价进行预测

好的，针对您的问题，我可以为您提供以下的代码示例：

# 导入必要的库
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

# 加载波士顿房价数据集
boston = load_boston()

# 将数据集转换为DataFrame格式
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)

# 添加房价列
boston_df['PRICE'] = boston.target

# 分离特征和目标变量
X = boston_df.drop('PRICE', axis=1)
y = boston_df['PRICE']

# 将数据集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=42)

# 定义线性回归模型
lr = LinearRegression()

# 训练模型
lr.fit(X_train, y_train)

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

# 计算模型的均方误差
mse = mean_squared_error(y_test, y_pred)
print('均方误差:', mse)

这段代码将波士顿房价数据集加载到一个DataFrame中，并将其分为训练集和测试集。然后使用线性回归模型进行训练，并在测试集上进行预测，最后计算均方误差并输出结果。