14、简单分类问题中的模型构建与损失函数选择

简单分类问题中的模型构建与损失函数选择

1. 特征标准化

在处理数据时，我们可以使用 Scikit - Learn 的 StandardScaler 对特征进行标准化，代码如下：

from sklearn.preprocessing import StandardScaler

# 假设 X_train 和 X_val 已经定义
sc = StandardScaler()
sc.fit(X_train)

X_train = sc.transform(X_train)
X_val = sc.transform(X_val)

需要注意的是，只能使用训练集来拟合 StandardScaler ，然后使用其 transform() 方法对所有数据集（训练集、验证集和测试集）进行预处理。否则，会将验证集和/或测试集的信息泄露给模型。

2. 数据准备

通常，数据准备步骤会将 Numpy 数组转换为 PyTorch 张量，为它们构建 TensorDatasets ，并创建相应的数据加载器，代码如下：

import torch
from torch.utils.data import TensorDataset, DataLoader

torch.manual_seed(13)

# 从 Numpy 数组构建张量
x_train_tensor = torch.as_ten