作為學(xué)習(xí)實(shí)踐的一部分，下面是要求和我的代碼，但我無(wú)法繼續(xù)下一步。任何人都可以幫助找出這段代碼中的問(wèn)題嗎？#導(dǎo)入兩個(gè)模塊sklearn.datasets和#sklearn.model_selection。#導(dǎo)入numpy并將隨機(jī)種子設(shè)置為100。#從sklearn.datasets模塊加載流行的波士頓數(shù)據(jù)集#并將其分配給變量boston。#將 boston.data 分成兩個(gè)集合，名稱為 X_train 和 X_test。#此外，將 boston.target 分成兩組 Y_train 和 Y_test。#提示：使用 #sklearn.model_selection 中的 train_test_split 方法；set random_state to 30. #打印X_train數(shù)據(jù)集的形狀。#打印X_test數(shù)據(jù)集的形狀。import sklearn.datasets as datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.tree import DecisionTreeRegressorimport numpy as npnp.random.seed(100)boston = datasets.load_boston()X_train, X_test, Y_train, Y_test = train_test_split(boston.data, boston.target, random_state=30)print(X_train.shape)print(X_test.shape)#從sklearn.tree導(dǎo)入所需的模塊。#根據(jù) X_train 集和 #Y_train 標(biāo)簽構(gòu)建決策樹(shù)回歸模型，并使用默認(rèn)參數(shù)。將模型命名為#dt_reg。#評(píng)估訓(xùn)練數(shù)據(jù)集上的模型準(zhǔn)確性并打印#it 的分?jǐn)?shù)。#評(píng)估測(cè)試數(shù)據(jù)集上的模型準(zhǔn)確性并打印其分?jǐn)?shù)。#預(yù)測(cè)X_test #set的前兩個(gè)樣本的房?jī)r(jià)并打印它們。（提示：使用predict()函數(shù)）dt_reg = DecisionTreeRegressor()dt_reg = dt_reg.fit(X_train, Y_train)print('Accuracy of Train Data :', dt_reg.score(X_train,Y_train))print('Accuracy of Test Data :', dt_reg.score(X_test,Y_test))predicted = dt_reg.predict(X_test[:2])print(predicted)