波士顿房价不能直接用多层神经网络进行预测的原因可能有以下几点：

1. 波士顿房价数据是一个多元、非线性、非平稳的数据，其特征可能包括地理位置、人口、经济状况、政策因素等，这些特征之间可能存在复杂的交互关系，用单一的神经网络模型难以全面考虑。
2. 波士顿房价数据可能存在一些难以建模的特征，比如噪声、异常值和季节性等，这些问题可能需要进行适当的预处理和特征工程来解决。
3. 多层神经网络在房价预测中的效果可能受限于数据集的大小和多样性。如果波士顿房价数据集较小，可能会存在过拟合问题，导致神经网络模型无法泛化到新的房价数据。

此外，波士顿房价可能更适合使用一些专门设计的房价预测模型，如回归树、随机森林、长短期记忆网络等，这些模型在处理房价预测问题上可能具有更好的效果。因此，在应用神经网络之前，您需要确保数据集的合适性和模型的准确性。