使用SVM进行癫痫检测

背景：

这是一片论文的简单复现，只是还原思想，不知道是不是我看的不够仔细，我觉得论文说的也就是这样简单的操作

论文名称：Seizure prediction with spectral power of EEG using cost-sensitive support vector machines

有需要的同学可以好好看一下，论文中不仅仅只是检测，还有预测功能。

过程：

SVM Procces

代码：

一个单纯的SVM例子：

import numpy as np
import matplotlib.pyplot
from sklearn import svm
from numpy.fft import fft
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCVfrom sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix#数据预处理
def datapro():data = pd.read_csv(x_src, error_bad_lines=False,header=None)label = pd.read_csv(y_src, error_bad_lines=False,header=None)x = np.array(data.values)print(x)y = label.valuesreturn x,yif __name__ == '__main__':x_src = 'training_data/C3_P3_CZ_PZ.csv'y_src = 'training_data/data_y.csv'x,y = datapro(x_src,y_src)#train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取train data和testdataX_train, X_test, y_train, y_test = train_test_split(x, y, test_size=1/3.) # 分割训练集和测试集# 标准化scaler = StandardScaler()X_train_std = scaler.fit_transform(X_train)X_test_std = scaler.transform(X_test)# 交叉验证，调整参数param_grid = {'C':[1e1,1e2,1e3, 5e3,1e4,5e4],'gamma':[0.0001,0.0008,0.0005,0.008,0.005,]}print(X_train_std.shape)print(y_train.shape)#cv 几叉验证clf = GridSearchCV(svm.SVC(kernel= 'rbf',class_weight='balanced',max_iter=6000,tol=0.01,probability=True),param_grid,cv=10)clf = clf.fit(X_train_std,y_train)print(clf.best_estimator_)print(clf.predict_proba(X_test_std))#打分clf.score(X_test_std,y_test)y_pred = clf.predict(X_test_std)#测试准确率print(classification_report(y_test,y_pred))print(confusion_matrix(y_test,y_pred))"""https://blog.csdn.net/akadiao/article/details/78788864precision: 识别为此类中正确的样本所占比例recall: 一类样本中被正确识别的概率"""

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的癫痫信号检测相关推荐

机器学习（二）之无监督学习：数据变换、聚类分析
文章目录 0 本文简介 1 无监督学习概述 2 数据集变换 2.1 预处理和缩放 2.2 程序实现 2.3 降维.特征提取与流形学习 2.3.1 主成分分析 2.3.2 非负矩阵分解 2.3.3 用t ...
脑电图机器学习笔记(一)：机器学习脑电图.edf格式数据处理
机器学习脑电图.edf格式数据处理最近做了一个关于脑电图进行癫痫检测的项目,其中我用了CNN和SVM进行检测,刚开始就遇到了小问题,就是怎样获得.csv数据,水平不高,但是解决了问题下面给个简单的教 ...
svm 交叉验证 python_【python机器学习笔记】SVM实例：有毒蘑菇预测
假如我手上有一个未知的蘑菇,我知道它的一系列特征(伞盖形状.发现地点.颜色.气味等等),但是仅仅依靠个人的经验判断能不能吃难免会翻车,这就要用到更多的经验.大数据就很好地解决了这个个人经验缺乏的问题: ...
机器学习笔记二十四中文分词资料整理
一.常见的中文分词方案 1. 基于字符串匹配(词典) 基于规则的常见的就是最大正/反向匹配,以及双向匹配. 规则里糅合一定的统计规则,会采用动态规划计算最大的概率路径的分词. 以上说起来很简单,其中还 ...
机器学习笔记(二)模型评估与选择
2.模型评估与选择 2.1经验误差和过拟合不同学习算法及其不同参数产生的不同模型,涉及到模型选择的问题,关系到两个指标性,就是经验误差和过拟合. 1)经验误差错误率(errorrate):分类错误 ...
机器学习笔记二单型线性回归
线性回归 (一)介绍 (二) 数学模型 2.1 一元线性回归公式 2.2 方差 - 损失函数 Cost Function 2.3 优化方法 Optimization Function 2.4 算法步骤 ...
吴恩达机器学习笔记二之多变量线性回归
本节目录: 多维特征多变量梯度下降特征缩放学习率正规方程 1.多维特征含有多个变量的模型,模型中的特征为(x1,x2,-xn), 比如对房价模型增加多个特征这里,n代表特征的数量, x(i ...
机器学习笔记三—卷积神经网络与循环神经网络
系列文章目录机器学习笔记一-机器学习基本知识机器学习笔记二-梯度下降和反向传播机器学习笔记三-卷积神经网络与循环神经网络机器学习笔记四-机器学习可解释性机器学习笔记五-机器学习攻击与防御机 ...
傅立叶变换在信号和图像视觉领域的应用
按照某度的解释,傅立叶变换,是表示能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合.在不同的研究领域,傅立叶变换具有多种不同的变体形式,如连续傅立叶变换和离散傅 ...

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的癫痫信号检测

使用SVM进行癫痫检测

背景：

过程：

代码：

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的癫痫信号检测相关推荐

最新文章

热门文章

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的 癫痫信号检测

使用SVM进行癫痫检测

背景：

过程：

代码：

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的 癫痫信号检测相关推荐

最新文章

热门文章

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的癫痫信号检测

脑电图机器学习笔记(二)：SVM 脑电波原信号和傅立叶变换的癫痫信号检测相关推荐