# 导入必要的库import pandas as pd  # 数据分析处理库import numpy as np   # 数学计算库import matplotlib.pyplot as plt  # 绘图工具import seaborn as sns  # 更好看的可视化库from sklearn.datasets import fetch_california_housing  # 加载加州房价数据集from sklearn.linear_model import LinearRegression  # 多元线性回归模型from sklearn.preprocessing import StandardScaler  # 标准化处理from sklearn.metrics import mean_squared_error, r2_score  # 模型评价指标from sklearn.model_selection import cross_val_score  # 交叉验证模块# 支持中文plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号# 1. 加载加州房价数据集california = fetch_california_housing()# 将数据转换为 DataFramecalifornia_df = pd.DataFrame(california.data, columns=california.feature_names)california_df['MedHouseVal'] = california.target  # 添加目标变量（中位房价）# 数据预览与统计信息print("前5行数据：")print(california_df.head())print("\n数据描述信息：")print(california_df.describe())# 查看特征之间的相关性plt.figure(figsize=(12, 8))sns.heatmap(california_df.corr(), annot=True, cmap='coolwarm', fmt=".2f")plt.title("特征与房价（MedHouseVal）相关性热图")plt.show()