数据管道

多数「模型很差」其实是数据或划分有问题。

标准拆分

集合	用途
训练集	更新参数
验证集	选模型 / 早停 / 调超参
测试集	最终一次性报告

数据泄漏

增强、归一化统计、特征选择若用到了验证/测试信息，指标会虚高。
原则：所有拟合类操作只在训练集上 fit，再 transform 到其它集合。

Dataset / DataLoader

原始文件 → Dataset.__getitem__ → (x, y) → DataLoader 组 batch

关键参数：batch_size、shuffle（仅训练）、num_workers、pin_memory。

增强落点

• 训练：随机增强。
• 验证/测试：仅确定性预处理。

检查清单

1. 打印 batch 的 shape、dtype、取值范围、标签分布。
2. 反归一化可视化，确认数据可读。
3. 固定划分种子，保证可复现。