.
├── hw1/
│   └── data/
│       └── AQIDataset.csv    # 原始数据集
├── src/
│   ├── data_processing.py    # 数据加载、预处理与交叉验证划分
│   ├── models.py             # 模型实现 (GD, LWLR, Lasso, Ridge)
│   └── experiments.py        # 实验主程序 (训练、评估、绘图)
├── report/
│   ├── images/               # 实验生成的图表
│   └── 机器学习.md            # 详细实验报告
├── README.md                 # 项目说明文档
└── requirements.txt          # 依赖列表

🛠️ 环境要求

安装命令：

pip install pandas numpy matplotlib seaborn scikit-learn

🚀 如何运行

在项目根目录下，运行以下命令即可执行所有实验并生成图表：

python src/experiments.py

控制台会输出各步骤的运行日志及最终的模型评估结果。
生成的分析图表将保存在 report/images/ 目录下。
查阅 report/机器学习.md 获取详细的分析报告。

📊 主要结果

模型	RMSE	MAE
Gradient Descent	~32.84	~24.69
Lasso	~33.16	~24.95
Ridge	~33.11	~24.89
LWLR (k=2.0)	~30.36	~22.68

最佳模型: 局部加权线性回归 (LWLR) 在 k=2.0 时表现最佳。
主要影响因素: 纬度、温度和海拔。