通过学习房屋以及房屋周围的详细信息,其中包含城镇犯罪率，一氧化氮浓度，住宅平均房间数，到中心区域的加权距离以及自住房平均房价等等,训练模型,通过某个地区的房屋以及房屋周围的详细信息，预测该地区的自住房平均房价。

训练集: 波士顿房间训练集.csv (404条数据)

训练集字段如下:

CRIM：城镇人均犯罪率。
ZN：住宅用地超过 25000 sq.ft. 的比例。
INDUS：城镇非零售商用土地的比例。
CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。
NOX：一氧化氮浓度。
RM：住宅平均房间数。
AGE：1940 年之前建成的自用房屋比例。
DIS：到波士顿五个中心区域的加权距离。
RAD：辐射性公路的接近指数。
TAX：每 10000 美元的全值财产税率。
PTRATIO：城镇师生比例。
B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。
LSTAT：人口中地位低下者的比例。
MEDV：自住房的平均房价，以千美元计。

如submission.csv ,其中每一个id字段对应该地区的自住房的平均房价MEDV,表头为MEDV,id。

本赛题采用均方误差(MSE)评分标准,MSE: Mean Squared Error  均方误差是指参数估计值与参数真值之差平方的期望值;  MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。计算公式如下:

observed表示正确的自住房的平均房价,predicted表示预测的自住房的平均房价,N代表测试集的数量。