波士顿房价预测python

可以使用多种方法来预测波士顿房价，其中最常用的是线性回归模型。在Python中，我们可以使用Scikit-learn库中的LinearRegression类，使用房屋面积、房间数量、社区犯罪率等特征，对波士顿房价进行预测。以下是基本代码：

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston

# 加载波士顿房价数据集
boston = load_boston()

# 使用房屋面积、房间数量、社区犯罪率等特征
X = boston.data

# 使用房屋价格作为目标变量
y = boston.target

# 初始化线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测新数据
new_data = np.array([[6.0, 2.0, 6.0, 0, 0.5, 6.0, 70.0, 3.0, 1.0, 280.0, 17.0, 392.0, 6.0]])
price = model.predict(new_data)

print(price)

上面的代码演示了如何预测一个包含房屋面积、房间数量、社区犯罪率等特征的新房屋的价格。