machine-learning - WEKA - arff 格式的向量属性

Question

我是 Weka 新手，我正在尝试构建一个分类器来对脑电图数据进行分类。 EEG 属性数据是记录的 5 分钟原始信号以及其他属性。如何以 WEKA arff 文件格式指定我的实例具有 5 分钟原始信号的矢量输入？

例如:

Num. -- raw -- class
1    -- [1,2,3,4,5,6] -- Relaxed
2    -- [2,3,4,5,6] --- Bored

其中 raw 是属性向量..

Answer 1

思考您的问题 - 您想要分类/预测什么，以及如何最好地表示它。您很可能不想预测下一个原始脑电图读数，因此时间序列方法可能并不重要。

Weka 只能处理具有一组固定属性(特征、值，或者换句话说，预定义长度的向量)的实例(数据行)。可以拥有的可能属性类型有:标称(例如“红色”、“绿色”、蓝色)、数字(任何整数/浮点值)、string(主要用于文本挖掘)。和日期。无法将原始信号向量表示为单个属性。这是文档:http://weka.wikispaces.com/ARFF+%28stable+version%29

也就是说，您的实例可能如下所示:

num,class1,reading_1,reading_2,reading_3 ... reading_n,relaxed,bored

其中 reading_1 是第一个原始读数，reading_n 是 5 分钟结束时的最后一个读数。这将要求 WEKA 根据原始读数来预测您的类(class)，并且可能不会非常有效(因为读数可能彼此不一致，并且因为这会单独处理每个读数，而不关心频率等内容)或相对平均值)。

或者，您可以对原始数据进行一些预处理，以便它对 WEKA 中的大多数机器学习算法有用。在这种情况下，您需要决定重要的功能，然后创建它们。一个粗略的例子可能是:

num,class1,average,frequency,max_magnitude,standard_deviation,relaxed,bored

在将数据放入 ARFF 文件之前，您已经计算了数据的平均值和频率等内容。然后，算法就会获得更丰富的数据集图像，并以此作为预测的基础。

然而，还有一个问题是你代表什么？整个 5 分钟的示例是同一类，还是用户对其中的一部分感到放松，而对其中的一部分感到无聊？如果是这种情况，您可能应该有两个示例:一个用于用户无聊时的示例，另一个用于用户放松时的示例。