本次实验围绕支持向量机(SVM)算法展开四个任务：1) 实现山鸢尾二分类任务，通过线性SVM算法构建决策边界；2) 采用带核函数的SMO算法处理变色鸢尾非线性分类问题；3) 应用软间隔SVM解决弗吉尼亚鸢尾分类，测试准确率达95%；4) 基于1850维面部特征，构建SVM模型实现7位政治家的精准识别(准确率100%)。实验完整实现了SVM的核心算法，包括线性/非线性分类、软间隔处理及核函数应用，并

本文介绍了人工智能的基础概念与发展历程。第一章首先定义人工智能是模拟人类智能的技术科学，列举了新闻推荐、商品推送等日常应用。随后概述了人工智能从20世纪40年代至今的三次发展浪潮。最后重点阐述了图像识别、语音识别、虚拟助理、自然语言处理和智能机器人等五大应用领域，展现了AI技术在医疗、安防、家居等场景中的广泛运用。

本实验围绕回归算法展开实践，包含四个任务：1)使用正规方程实现房价预测线性回归模型；2)采用10次多项式回归拟合平面数据点；3)运用岭回归解决多项式过拟合问题，分析不同正则化参数的影响；4)基于糖尿病数据集建立线性预测模型。实验涉及算法实现、模型评估（MSE、R2）、特征处理及结果可视化，通过对比不同回归方法验证了正则化对模型泛化能力的提升效果，并输出了糖尿病预测的回归方程。