坐下 1 / 6

打开 notebook 之前，先写四行。

任务是什么、输入在预测发生的那一秒看得见什么、错一次谁付钱、测试集什么时候才准看。这四行比选 Adam 还是 SGD 更早决定你会不会自欺。

任务写成接口

「识别垃圾邮件」还不够。改成：邮件到达时，只用当时能看见的标题和正文，输出这是钓鱼的概率。漏掉一封钓鱼，比拦下一封普通邮件贵。最后一句会改阈值——你宁可多拦，也不漏。

「预测学生会不会挂科」同样要收口。可执行的写法：第 6 周结束时，用前 6 周已经产生的提交次数、测验分数、登录天数，给每人一个不及格概率。期末成绩不能进输入。预测发生的那一秒，它还不存在。

主指标跟着价钱走

1000 个样本里 20 个是故障。永远猜「正常」，准确率 98%。故障一封都没抓住。所以主指标不能只写准确率。先写两类错误的价钱，再选 recall、precision 或 F1。阈值也是实验变量：模型吐出 0.62，并不等于「正类」，只有跟你选定的阈值比过才算决策。

先让简单基线上跑道。多数类、一条规则、线性模型。网络赢不了它们，先查数据和实现，不要加层。一次只改一件事。同时换模型、换增强、加轮数，分数涨了也不知道是谁的功劳。

三份数据，三种用途

训练拟合参数。验证用来挑学习率、何时停、哪次 checkpoint。测试只在方案冻住以后看一次。常见 70/15/15 只是起点。同一个人的照片不能一半训练一半测试，模型会认人。传感器按时间切：前四个月训练，第五个月验证，第六个月测。同一窗口的未来值不准进特征。用全体数据算均值再切分，也把测试信息带进了训练。

测试集边看边调，那个数字就开始说谎。它会慢慢变成第二份验证集。你对外报的分数，比真实世界好看。这一页要你先把「何时看测试」写成一句，写错就改。

给每次运行一个短 ID。记下数据版本、切分、种子、超参、选 checkpoint 的规则。同一协议跑三次，报均值和波动，比只贴最好的一次诚实。