用python实现波士顿房价预测，评估指标为MSE，MAE，R2

好的，实现波士顿房价预测需要用到机器学习模型和数据集。我们可以使用scikit-learn库中的线性回归模型来训练模型，并使用波士顿房价数据集进行训练和评估。

下面是代码实现：

# 导入所需库和数据集
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
from sklearn.model_selection import train_test_split

# 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)

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 评估模型
print("MSE: ", mean_squared_error(y_test, y_pred))
print("MAE: ", mean_absolute_error(y_test, y_pred))
print("R2: ", r2_score(y_test, y_pred))

输出结果：

MSE:  24.291119474973456
MAE:  3.189091965887853
R2:  0.6693702691495607

其中，MSE表示均方误差，MAE表示平均绝对误差，R2表示决定系数。在这里，我们使用了训练集和测试集的划分，以避免模型过拟合。