1. 对数据做数据探索分析（可参考EDA_BikeSharing.ipynb，不计分） 2. 适当的特征工程（可参考FE_BikeSharing.ipynb，不计分） 3. 对全体数据，随机选择其中80%做训练数据，剩下20%为测试数据，评价指标为RMSE。（10分） 4. 用训练数据训练最小二乘线性回归模型（20分）、岭回归模型、Lasso模型，其中岭回归模型（30分）和Lasso模型（30分），注意岭回归模型和Lasso模型的正则超参数调优。 5. 比较用上述三种模型得到的各特征的系数，以及各模型在测试集上的性能。并简单说明原因。（10分）

运行课程给出的mnist代码 给出代码的运行log截图并提供心得体会文档描述对整个模型构建及训练过程的理解。

图像相似图的计算 给出图像相似图结果，并提供文档描述自己对特征使用的理解。

逻辑回归作业

第三周，计算机视觉引论+数字成像系统

计算机视觉“计算机视觉处理算法基础及视觉特征提取 ”作业。