北京房价数据集进行线性回归，训练预测房价模型，最后用绘制拟合图像。python代码 图像均用matplotlib进行绘制

好的，以下是可以参考的 Python 代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 读取数据集
data = pd.read_csv('beijing_house_price.csv')
X = data['面积'].values.reshape(-1, 1)
y = data['价格'].values.reshape(-1, 1)

# 训练模型
model = LinearRegression()
model.fit(X, y)

# 预测房价
X_test = np.array([[80], [100], [120]])  # 假设预测面积为 80，100，120 平方米
y_pred = model.predict(X_test)

# 绘制拟合图像
plt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
plt.scatter(X_test, y_pred, color='green')
plt.xlabel('面积（平方米）')
plt.ylabel('价格（万元）')
plt.show()

其中，`beijing_house_price.csv` 是数据集文件，包含两列数据：`面积`和`价格`。代码中使用 `LinearRegression()` 函数训练模型，并使用 `plt.scatter()` 和 `plt.plot()` 函数绘制散点图和拟合直线图。最后使用 `plt.show()` 函数展示图像。