调用sklearn库实现对波士顿房价的预测，采用线性回归方法，并计算以下性能评价指标：平均绝对误差、均方误差、均方根误差、决定系数R2值

好的，下面是一个实现波士顿房价预测的示例代码，其中使用了sklearn库中的线性回归模型，并计算了MAE、MSE、RMSE和R2指标：

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
from math import sqrt

# 导入数据集
boston = load_boston()

# 划分数据集
X = boston.data
y = boston.target

# 构建线性回归模型
lr_model = LinearRegression()

# 训练模型
lr_model.fit(X, y)

# 预测房价
y_pred = lr_model.predict(X)

# 计算性能评价指标
mae = mean_absolute_error(y, y_pred)
mse = mean_squared_error(y, y_pred)
rmse = sqrt(mse)
r2 = r2_score(y, y_pred)

print("MAE:", mae)
print("MSE:", mse)
print("RMSE:", rmse)
print("R2:", r2)

在这个示例代码中，我们首先导入了波士顿房价数据集，然后使用LinearRegression类构建了一个线性回归模型，并使用fit()方法对模型进行训练。接着，使用predict()方法对训练集进行预测，得到预测结果y_pred。最后，使用sklearn.metrics库中的函数计算MAE、MSE、RMSE和R2指标，并输出结果。