1. 分类和回归最大的不同是什么#

在线性回归里，我们输出的是一个连续值。
到了分类任务，输出就不再是"一个实数"，而更像"每个类别的概率分布"。

课程里对逻辑回归的总结很直接：

• 虽然叫"回归"，但它解决的是分类问题
• 输出要映射到 0-1
• loss 常常用交叉熵

这就是为什么二分类里经常会看到：

• sigmoid
• BCELoss
• BCEWithLogitsLoss

而多分类里经常会看到：

• softmax
• CrossEntropyLoss

2. 从二分类到多分类#

这组笔记里，二分类和多分类的任务其实已经很典型了：

• 糖尿病数据集：二分类
• Titanic 作业：表格分类
• Otto 数据集：多分类

从学习角度看，它们最有价值的地方不是"数据集本身"，而是让我逐渐看到分类训练的完整链路：

1. 数据预处理
2. 定义模型
3. 定义损失函数
4. 划分 batch
5. 训练与评估

3. Dataset 和 DataLoader 为什么重要#

课程在 7.ipynb 里专门整理了三个概念：

• Epoch：完整看完一遍全部样本
• Batch Size：一次前向与反向传播处理多少样本
• Iteration：一个 epoch 被切成多少次参数更新

然后真正把数据喂给模型的，是 Dataset 和 DataLoader。

DataLoader 至少解决了几件很烦但必须做的事：

• 按 batch 划分数据
• shuffle 打乱顺序
• 变成一个可迭代对象

也就是说，它让训练循环终于能写成：

这就是从"玩具代码"进入"正常训练代码"的关键一步。

4. 表格数据任务里，数据清洗不能跳过#

在 Titanic 那一节里，我觉得最有价值的不是模型本身，而是那份 Pandas 数据清洗速查表。
因为表格数据任务很少能一上来就直接转 Tensor。

真正高频的动作包括：

• df.info()：看列类型和缺失值
• df.isnull().sum()：排查空值
• fillna(...)：填补缺失
• map(...)：把类别映射成数字
• drop(...)：删除无用列
• astype(...)：强制转换类型

这一步如果没做，后面 PyTorch 再熟也跑不顺。

5. PyTorch 多分类里最常见的误区#

课程里讲多分类时提到一个很关键的直觉：

希望输出有竞争性，且大于等于 0，和为 1。

这就是 Softmax 的角色。
但在真正写 PyTorch 时，一个很常见的坑是：

• 模型输出 logits
• 损失用 CrossEntropyLoss
• 不需要自己先手动做 softmax

因为 CrossEntropyLoss 内部已经帮你处理了。

6. 这一阶段真正应该掌握什么#

如果只留最核心的能力，我觉得是下面这些：

1. 能分清回归、二分类、多分类对应的输出和损失函数。
2. 知道 Dataset / DataLoader 为什么是标准训练入口。
3. 知道 batch、epoch、iteration 分别在说什么。
4. 知道真实任务里，数据预处理和特征清洗本来就是训练流程的一部分。

到这一步，PyTorch 就不只是"会写一个最小例子"了，而是已经开始具备做小任务的基本骨架。