将导入的boston数据集按7:3的比例拆份为训练集和测试集，分别输出训练 集和测试集中数据维度和标签维度

在Python中，我们通常使用`train_test_split`函数从scikit-learn库的`load_boston`数据集中分割数据。`Boston`数据集包含了波士顿房价的信息，它是一个回归问题的数据集。

首先，你需要导入所需的库并加载数据：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
import numpy as np

# 加载波士顿房价数据
boston = load_boston()
X = boston.data  # 特征数据
y = boston.target  # 目标变量（房价）

# 按照70%训练集和30%测试集的比例分割数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 输出训练集和测试集的数据维度和标签维度
print(f"Training set:")
print(f"Dimensions: ({X_train.shape[0]}, {X_train.shape[1]}), Target dimensions: ({y_train.shape[0]})")
print("\nTest set:")
print(f"Dimensions: ({X_test.shape[0]}, {X_test.shape[1]}), Target dimensions: ({y_test.shape[0]})")

这将打印出训练集和测试集的样本数（第一维表示样本数，第二维表示特征数）以及对应的标签数。