相关代码：

data = datasets.load_boston()

问题描述：

1.2版本导入数据集波士顿房价已经不可用。

相关截图：

ImportError                               Traceback (most recent call last)
Cell In[35], line 1----> 1 data = datasets.load_boston()

File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\datasets\__init__.py:156, in __getattr__(name)    105 if name == "load_boston":    106     msg = textwrap.dedent(    107         """    108         `load_boston` has been removed from scikit-learn since version 1.2.   (...)    154         """    155     )--> 156     raise ImportError(msg)    157 try:    158     return globals()[name]ImportError: 
`load_boston` has been removed from scikit-learn since version 1.2.

The Boston housing prices dataset has an ethical problem: as
investigated in [1], the authors of this dataset engineered a
non-invertible variable "B" assuming that racial self-segregation had a
positive impact on house prices [2]. Furthermore the goal of the
research that led to the creation of this dataset was to study the
impact of air quality but it did not give adequate demonstration of the
validity of this assumption.

The scikit-learn maintainers therefore strongly discourage the use of
this dataset unless the purpose of the code is to study and educate
about ethical issues in data science and machine learning.

In this special case, you can fetch the dataset from the original
source::

    import pandas as pd
    import numpy as np

    data_url = "http://lib.stat.cmu.edu/datasets/boston"
    raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
    data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
    target = raw_df.values[1::2, 2]

Alternative datasets include the California housing dataset and the
Ames housing dataset. You can load the datasets as follows::

    from sklearn.datasets import fetch_california_housing
    housing = fetch_california_housing()

for the California housing dataset and::

    from sklearn.datasets import fetch_openml
    housing = fetch_openml(name="house_prices", as_frame=True)

for the Ames housing dataset.

[1] M Carlisle.
"Racist data destruction?"
<https://medium.com/@docintangible/racist-data-destruction-113e3eff54a8>

[2] Harrison Jr, David, and Daniel L. Rubinfeld.
"Hedonic housing prices and the demand for clean air."
Journal of environmental economics and management 5.1 (1978): 81-102.
<https://www.researchgate.net/publication/4974606_Hedonic_housing_prices_and_the_demand_for_clean_air>

尝试过的解决方式：

按照提示给的方法，可正常导入其他地方的房价数据，但遇到一个问题，如图，这个怎么办？

from sklearn.datasets import fetch_openml # 数据集
data = fetch_openml(name="house_prices", as_frame=True, parser='auto')
x = pd.DataFrame(data.data,columns=data.feature_names)
y = pd.DataFrame(data.target,columns=['SalePrice'])
# 数据集拆分：train, test
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)
# 模型训练
lr = LinearRegression()
lr.fit(x_train,y_train)

模型训练这里报错了。

报错信息：

ValueError                                Traceback (most recent call last)
Cell In[28], line 2      1 lr = LinearRegression()----> 2 lr.fit(x_train,y_train)File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\linear_model\_base.py:648, in LinearRegression.fit(self, X, y, sample_weight)    644 n_jobs_ = self.n_jobs    646 accept_sparse = False if self.positive else ["csr", "csc", "coo"]--> 648 X, y = self._validate_data(    649     X, y, accept_sparse=accept_sparse, y_numeric=True, multi_output=True    650 )    652 sample_weight = _check_sample_weight(    653     sample_weight, X, dtype=X.dtype, only_non_negative=True    654 )    656 X, y, X_offset, y_offset, X_scale = _preprocess_data(    657     X,    658     y,   (...)    661     sample_weight=sample_weight,    662 )

File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\base.py:584, in BaseEstimator._validate_data(self, X, y, reset, validate_separately, **check_params)    582         y = check_array(y, input_name="y", **check_y_params)    583     else:--> 584         X, y = check_X_y(X, y, **check_params)    585     out = X, y    587 if not no_val_X and check_params.get("ensure_2d", True):

File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\utils\validation.py:1106, in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, estimator)   1101         estimator_name = _check_estimator_name(estimator)   1102     raise ValueError(   1103         f"{estimator_name} requires y to be passed, but the target y is None"   1104     )-> 1106 X = check_array(   1107     X,   1108     accept_sparse=accept_sparse,   1109     accept_large_sparse=accept_large_sparse,   1110     dtype=dtype,   1111     order=order,   1112     copy=copy,   1113     force_all_finite=force_all_finite,   1114     ensure_2d=ensure_2d,   1115     allow_nd=allow_nd,   1116     ensure_min_samples=ensure_min_samples,   1117     ensure_min_features=ensure_min_features,   1118     estimator=estimator,   1119     input_name="X",   1120 )   1122 y = _check_y(y, multi_output=multi_output, y_numeric=y_numeric, estimator=estimator)   1124 check_consistent_length(X, y)

File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\utils\validation.py:879, in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator, input_name)    877         array = xp.astype(array, dtype, copy=False)    878     else:--> 879         array = _asarray_with_order(array, order=order, dtype=dtype, xp=xp)    880 except ComplexWarning as complex_warning:    881     raise ValueError(    882         "Complex data not supported\n{}\n".format(array)    883     ) from complex_warningFile ~\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\utils\_array_api.py:185, in _asarray_with_order(array, dtype, order, copy, xp)    182     xp, _ = get_namespace(array)    183 if xp.__name__ in {"numpy", "numpy.array_api"}:    184     # Use NumPy API to support order--> 185     array = numpy.asarray(array, order=order, dtype=dtype)    186     return xp.asarray(array, copy=copy)    187 else:

File ~\AppData\Local\Programs\Python\Python39\lib\site-packages\pandas\core\generic.py:1998, in NDFrame.__array__(self, dtype)   1996 def __array__(self, dtype: npt.DTypeLike | None = None) -> np.ndarray:   1997     values = self._values-> 1998     arr = np.asarray(values, dtype=dtype)   1999     if (   2000         astype_is_view(values.dtype, arr.dtype)   2001         and using_copy_on_write()   2002         and self._mgr.is_single_block   2003     ):   2004         # Check if both conversions can be done without a copy   2005         if astype_is_view(self.dtypes.iloc[0], values.dtype) and astype_is_view(   2006             values.dtype, arr.dtype   2007         ):ValueError: could not convert string to float: 'RL'