本实验包含两个部分：第一部分使用K近邻(KNN)算法对约会网站数据进行分类，第二部分通过随机生成的数据绘制ROC曲线和PR曲线来评估分类器性能。K近邻(K-Nearest Neighbors)算法是一种简单而有效的监督学习算法，主要用于分类和回归任务。一个样本的类别可以由其最近邻居的多数投票来决定。通过本实验：我们做到了从数据预处理到KNN核心算法的完整实现，掌握了ROC/PR曲线的生成原理和实现

决策树是一种经典的机器学习算法，广泛应用于分类和回归任务。本实验基于贷款审批场景，使用决策树算法对申请人数据进行分类预测，判断是否应该批准贷款申请。决策树是一种树形结构，其中：内部节点表示特征属性分支代表特征取值叶节点代表分类结果self.feature = feature # 分裂特征索引self.threshold = threshold # 分裂阈值self.left = left # 左子