请编写一个Python程序，利用机器学习库（如scikit-learn）实现一个简单的线性回归模型，预测房价。假设你有一个包含房屋面积（平方米）和对应房价（万元）的数据集。

首先，为了使用scikit-learn实现一个简单的线性回归模型预测房价，你需要完成以下几个步骤：

1. 导入必要的库：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

2. 加载数据集（这里我们假设数据集名为'data.csv'）：

data = pd.read_csv('data.csv')

3. 数据预处理，包括拆分特征（X）和目标变量（y）：

X = data['房屋面积']
y = data['房价']

4. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

5. 创建并训练线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

6. 预测测试集结果：

y_pred = model.predict(X_test)

7. 评估模型性能（例如计算均方误差和R²分数）：

mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f"Mean Squared Error: {mse}")
print(f"R^2 Score: {r2}")

完整代码示例：

# ... (以上所有步骤)

if __name__ == "__main__":
    # ... (继续执行上述代码)