编写pytorch程序，读取data_set数据集，将数据集归一化，进行特征提取，构造特征集X和标签集y，基于新的特征集X和标签集y切分为X，y两个训练集，X，y两个验证集和X，y两个预测集，比例为0.7:0.2:0.1，基于划分的X，y训练集创建批数据

好的，我可以帮你解决这个问题。首先，你需要安装PyTorch库，然后读取数据集，归一化数据集并进行特征提取。下面是一个简单的代码示例：

import torch
from sklearn.preprocessing import StandardScaler

# 读取数据集
data_set = torch.load('data_set.pt')

# 归一化数据集
scaler = StandardScaler()
data_set = scaler.fit_transform(data_set)

# 进行特征提取
X = data_set[:, :-1]
y = data_set[:, -1]

# 切分为训练集、验证集和预测集
train_size = int(0.7 * len(X))
val_size = int(0.2 * len(X))
test_size = len(X) - train_size - val_size

X_train = X[:train_size]
y_train = y[:train_size]

X_val = X[train_size:train_size+val_size]
y_val = y[train_size:train_size+val_size]

X_test = X[train_size+val_size:]
y_test = y[train_size+val_size:]

# 创建批数据
batch_size = 32
train_dataset = torch.utils.data.TensorDataset(torch.Tensor(X_train), torch.Tensor(y_train))
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=batch_size, shuffle=True)

这段代码首先读取数据集，然后使用`StandardScaler`类对数据集进行归一化处理。接下来，提取特征集`X`和标签集`y`，并将数据集切分为训练集、验证集和预测集，比例为0.7:0.2:0.1。最后，使用`DataLoader`类创建批数据，批大小为32。