python头歌实训作业答案第4关：scikit-learn线性回归实践 - 波斯顿房价预测

波士顿房价预测是Python scikit-learn库中的经典案例，它使用了`Boston Housing`数据集来进行线性回归模型的训练。这个练习的主要目标是通过分析影响波士顿地区房价的各种因素，如犯罪率、平均房间数等，建立一个模型来预测房价。

第4关的具体步骤可能包括：

1. 导入所需的库：

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

2. 加载并预处理数据：

   boston = load_boston()
   df = pd.DataFrame(boston.data, columns=boston.feature_names)
   df['PRICE'] = boston.target  # 将标签添加到DataFrame中
   X_train, X_test, y_train, y_test = train_test_split(df.drop('PRICE', axis=1), df['PRICE'], test_size=0.2, random_state=42)

3. 创建并训练线性回归模型：

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

4. 预测并评估模型性能：

   y_pred = model.predict(X_test)
   mse = mean_squared_error(y_test, y_pred)
   r2 = r2_score(y_test, y_pred)
   print(f"Mean Squared Error: {mse:.2f}")
   print(f"R-squared Score: {r2:.2f}")