脑电图(EEG)数据的深度学习

Question

我正在做一个卷积网络模型，我想用它来分类脑电数据。该数据是一项实验，参与者被三个不同类别的图像诱发，每个子类有两个。为了简要解释数据集的大小，一个子类具有给定参与者的±300个历元(这适用于所有子类)。

1. 对象
2. 颜色
3. 数

现在我的问题是:我的训练数据集有5个参与者，我把每个参与者15%的数据放在测试数据集中。我是否可以认为15%的数据是看不见的数据，即使同样的参与者是用来训练模型的？

欢迎任何意见！

Answer 1

这取决于你想测试什么。测试集用于估计泛化(即对未见数据的性能)。所以问题是：

• 是否要估计来自同一参与者(其数据用于训练分类器)的不可见数据的泛化程度？
• 还是你想估计对未见参与者(普通人群)的泛化程度？

这真的取决于你的目标或你试图作出的主张。我可以考虑这两种方法的情况：

• 想一想BCI，它需要对每个用户进行再培训。在这里，您将测试来自同一个人的数据。
• 另一方面，如果你提出了一个非常普遍的主张(例如，我可以解码来自整个人群的某个大脑区域的相关信号)，那么拥有一个由未包括在培训集中的参与者组成的测试集将为您的要求提供更有力的支持。(问题是，这是否可行。)