实验一至实验七涵盖了机器学习的多个方面。实验一介绍了线性回归数据集的生成和可视化，以及线性可分的两类和多类分类数据集的生成。实验二探索了K折交叉验证的最佳K值选择，并以2D平面上可视化决策边界。实验三涵盖了随机梯度下降和坐标轴下降两种优化算法的实现，包括岭回归、Logistic回归等模型。实验四介绍了线性回归、Logistic回归两类分类以及多类分类的模型预测和性能评估。实验五讨论了决策树的构建、预测、节点评估和子节点划分时特征和阈值的选择。实验六和实验七涵盖了水质分析和可视化决策树、随机森林、支持向量机等内容。