MLlab2023

欢迎来到MLlab2023！本实验涵盖了线性回归（10 pts）、逻辑回归（10 pts）、KNN（10 pts）、Decision Tree（10 pts）、Adaboost（15 pts）、SVM（20 pts）、Neural Network（25 pts）等机器学习算法的基本实践。在 Neural Network Lab 中，我们额外提供了两个可供选做的附加题，共有 15 个 Bonus pts。

请按照各个 Lab 中 ipynb 文件的指示完成相应实验。请注意：Lab-NN 中没有 ipynb 文件，请根据该文件夹中的 README 文件的指示完成实验。

提交格式

在提交时，请注意：

1. 完成代码书写后，请提交全部代码文件；
2. 请保留 ipynb 文件中的输出结果；
3. Lab-NN 中有额外的提交要求，请阅读该文件夹下的 README.md 文件。

Python 入门指南

在本 Lab 中，我们将使用 Python 进行实验。如果你对 Python 不太熟悉，可以选择性地参考下面的指南。

1. 安装 Python

首先，确保你的计算机上已经安装了 Python 环境。你可以通过以下步骤在不同操作系统上安装 Python：

• Windows: 通过Python官方网站，下载并安装最新版本的 Python。

• Mac:

  • 在安装了 Homebrew 后，你可以运行 brew install python。
  • 如果你没有安装 Homebrew，也可以通过Python官方网站进行安装。

• Linux: 在终端中运行以下命令：

  sudo apt update
  sudo apt install python3
  

另外，你也可以考虑使用 anaconda 或 miniconda 进行安装。Conda 是一个开源的包管理和环境管理系统，用于简化不同软件包的安装、版本管理和环境配置。它可以在多个平台上工作，支持多种编程语言，但主要用于 Python。

3. 安装项目依赖

在终端中运行以下命令安装项目所需的依赖：

pip install <package-name>

如需指定依赖的版本号，请使用以下命令：

pip install <package-name>==<version>

4. 选择代码编辑器

我们推荐使用以下编辑器之一来编写代码：

• Visual Studio Code
• PyCharm

5. 运行代码

现在你已经准备好了，可以运行实验代码了。在终端中，执行以下命令：

python <filename>.py

---

如果你在环境配置、基本的 Python 语法、或者代码运行上遇到了问题，可以随时联系本课程助教。祝实验顺利！