第一次作业提交

README.md

@@ -0,0 +1,52 @@
+# AQI Prediction and Analysis Project
+
+
+## 📋 目录结构
+
+```
+.
+├── 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：
+```bash
+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：
+
+```bash
+python src/experiments.py
+```
+
+1.  控制台会输出各步骤的运行日志及最终的模型评估结果。
+2.  生成的分析图表将保存在 `report/images/` 目录下。
+3.  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。
+