脑电图（EEG）数据深度学习

Question

我正在建立一个卷积网络模型，我想用该模型对EEG数据进行分类。数据是一项实验，参与者通过3个不同类别（每个类别2个子类别）的图像来诱发参与者。为了简要说明数据集的大小，一个子类具有给定参与者的±300个纪元（这适用于所有子类）。

1. 对象
2. 颜色
3. 号码

现在我的问题是： 我的训练数据集中有5名参与者，我从每个参与者的数据中提取了15％，并将其放入测试数据集中。即使使用相同的参与者来训练模型，我也可以认为这15％是看不见的数据吗？

欢迎任何输入！

Answer 1

这取决于您要测试的内容。测试集用于估计一般性（即对看不见的数据的性能）。所以问题是：

• 是否要估计对来自相同参与者（其数据用于训练分类器）的未见数据的概括？
• 还是您要估计对看不见的参与者（一般人群）的概括？

这实际上取决于您的目标或您要提出的主张。我可以想到两种方法的情况：

• 考虑需要为每个用户重新培训的BCI。在这里，您将测试来自同一个人的数据。
• 另一方面，如果您提出一个非常笼统的主张（例如，我可以解码整个人群中某个大脑区域的某些相关信号），则可以得到一个包含未包含在训练集中的参与者的测试集为您的主张提供更强有力的支持。 （问题是这是否有效。）