在python中预处理EEG数据集以获得更好的准确性

时间:2018-03-10 14:35:03

标签: python scikit-learn

我是一个EEG数据集,它使用8通道EEG耳机拍摄了8个功能。每行代表以250ms间隔读取的读数。这些值都是表示微伏电压的浮点。如果我绘制单个特征,我可以看到它们形成连续波。现在目标有3个类别:0,1,2。并且由于采集的样本跨越多行,因此目标不会发生变化。我很感激有关如何预处理数据集的任何指导。因为使用它会给我非常低的准确度(80%)并且根据维基百科P300信号可以以95%的准确度被检测到。请注意,我对信号处理和分析波形的知识几乎为零。

我确实尝试制作一个3D数组,其中每一行代表一个目标,每个功能的值是最初跨越多行的值列表。但是我得到一个错误,表示估计数组预计为< = 2。我不确定这是不是正确的做法。但它无论如何都没有用。

在这里查看我的功能集: -

-1.2198,-0.32769,-1.22,2.4115,0.057031,-2.6568,7.372,-0.2789 
-1.4262,-4.19,-5.6546,-7.7161,-5.4359,-9.4553,-3.6705,-5.4851
-1.3152,-6.8708,-8.5599,-14.739,-9.1808,-14.268,-11.632,-8.929
-0.53987,-7.5156,-8.9646,-16.656,-10.119,-15.791,-14.616,-9.4095

他们相应的目标: -

0 
0 
0 
0 

0 个答案:

没有答案