房地产作为拉动世界各国经济的重要产业实体，是各国的经济命脉、民生保障和财富象征。房价的波动，对整个国家的经济体系带来的影响不容小觑。在中国，房地产行业是推动城镇经济发展的基础性产业，为经济的高质量发展做出了重要贡献。科学地预测房价，有利于政府宏观把控房产市场，及时做出政策调整，合理规避风险。对于企业来说，一个好的房价预测模型，不仅可以帮助消费者快速掌握市场行情，辅助消费者做出决策，还可以帮助开发商分析影响市场行情的各类因素，调整投资方向，开发高质量的住房。
本任务中，我们将根据美国人口普查局收集的有关波士顿马萨诸塞地区住房的信息，一方面通过数据可视化的方式观察住房信息的特点，另一方面希望构建机器学习模型（线性回归）预测房价。
本任务中使用的回归算法如下：
1. 套索回归（Lasso）
2. 岭回归（Ridge Regression）
3. 弹性回归（ElasticNet）
4. 梯度提升回归（GradientBoostingRegressor）
5. 极端梯度提升回归（XGBRegression）
