pytorch代码，读取数据集data.csv，将数据集去除最后一列放入特征集，将数据集的最后一列放入标签集，转换为np格式，保存为csv文件，将特征集、标签集按0.7：0.3的比例分为训练集和验证集，再将验证集按0.2：0.1的比例分为测试集和预测集

好的，以下是符合您要求的代码：

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split

# 读取数据集
data = pd.read_csv('data.csv')

# 将数据集去除最后一列放入特征集，将数据集的最后一列放入标签集
features = np.array(data.iloc[:, :-1])
labels = np.array(data.iloc[:, -1])

# 转换为np格式
features = np.array(features)
labels = np.array(labels)

# 保存为csv文件
np.savetxt('features.csv', features, delimiter=',')
np.savetxt('labels.csv', labels, delimiter=',')

# 将特征集、标签集按0.7：0.3的比例分为训练集和验证集
X_train, X_val, y_train, y_val = train_test_split(features, labels, test_size=0.3, random_state=42)

# 将验证集按0.2：0.1的比例分为测试集和预测集
X_test, X_pred, y_test, y_pred = train_test_split(X_val, y_val, test_size=0.1, random_state=42)

请注意，这里的代码假设数据集中最后一列是标签，如果您的数据集不是这种格式，请适当修改代码。