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，针对您的问题，我可以给出以下的代码示例，来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。

# 导入必要的库
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
import numpy as np

# 加载数据集
boston = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 模型训练
model.fit(X_train, y_train)

# 模型预测
y_pred = model.predict(X_test)

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

# 打印性能评价指标
print("平均绝对误差：", mae)
print("均方误差：", mse)
print("均方根误差：", rmse)
print("决定系数R2值：", r2)

以上代码中，我们先是导入了必要的库，然后加载了波士顿房价数据集，并将其划分为训练集和测试集。接着，我们创建了线性回归模型，并用训练集对其进行训练，然后用测试集对其进行预测。最后，我们计算了模型的性能评价指标，包括平均绝对误差、均方误差、均方根误差、决定系数R2值，并将其打印出来。

希望这个代码示例可以帮助到您！