Python 的数据挖掘案例里，Boston 房价预测算是个蛮经典的入门项目了，适合练手也方便上手。用到的模型也挺多，从线性回归到随机森林都有，跑一遍就能了解不少主流算法的用法和区别。

第 5 章的例子是重点，涵盖了LinearR、PLR、SVR、KNN、DTR、RFR几种模型，都是预测房价的常见手段。每种模型代码结构都还挺清晰的，想改也方便，训练集和测试集的划分逻辑也直观。

数据用的是housing.csv，列信息包括了房间数、犯罪率、房龄等等，数据量适中，跑起来快，调试也不难。如果你想练习特征工程或者模型调参，这个数据集也蛮适合的。

有几个参考链接可以一块看看，比如数据挖掘预测技术详解和机器学习房价预测数据集，对理解不同模型的优缺点还挺有的，尤其是你想深入搞搞模型优化的话。

如果你刚学完回归模型，或者想系统练一下常见的预测算法，这份资源可以先过一遍再做进阶的项目。数据干净，代码也不绕，挺适合新老手都试试看。