剧透警告

本章内容概要

在本章中，我们将：

• 构建一个用于二分类的模型。
• 理解logits的概念及其与概率之间的关系。
• 使用二元交叉熵损失函数来训练模型。
• 利用损失函数处理类别不平衡的数据集。
• 理解决策边界和可分性的概念。
• 学习分类阈值的选择如何影响评估指标。
• 绘制ROC曲线和精确率-召回率曲线。

导入所需库

为了便于组织，本章代码中所需的所有库都在最开始统一导入。本章需要以下导入：

1import numpy as np
2
3import torch
4import torch.optim as optim
5import torch.nn as nn
6import torch.nn.functional as F
7from torch.utils.data import DataLoader, TensorDataset
8
9from sklearn.datasets import make_moons
10from sklearn.preprocessing import StandardScaler
11from sklearn.model_selection import train_test_split
12from sklearn.metrics import confusion_matrix, roc_curve, \
13precision_recall_curve, auc
14
15from stepbystep.v0 import StepByStep

Jupyter Notebook

本章完整的代码将提供在一个Jupyter Notebook中，供你在本章结束后使用。你可以运行全部代码并进行实验。