脑电信号EEG分类基础入门(1)机器学习编程环境搭建

14 篇文章 1 订阅

        网上大多数资料都是基于python语言的,我的编程环境和工程都是python。但也会用matlab来可视化理解。

用到的安装包和代码资料已经整理好了

https://download.csdn.net/download/fzf1996/21484334

介绍python机器学习编程环境

1、编辑器

       支持python的编辑器很多了,好多人经常使用pycharm,但激活困难,还有很多了。

我自己喜欢vscode,重要是免费,简洁。

2、Python版本

     这个会有点坑,虽然python版本很高了,目前3.9.6了,然而机器学习相关的库可没更新那么快,我建议不要用那么新,我用的是3.7.9版本。

3、库管理器

    基本两个anacode和默认的pip,我用默认的pip就够了。

    机器学习python库的话,我也不多废话了,每个库什么用,百度或者用到了,你就知道了

列一些基本的机器学习用到的库吧,后面带版本的,一定要一致,按指定版本安装

  1. Jupyter 1.0.0
  2. Keras  2.3.1
  3. Tensorflow 2.0.0
  4. numpy-1.19.4+mkl-cp37-cp37m-win_amd64(不是numpy,但包含numpy)
  5. pandas
  6. pip
  7. wheel
  8. matplotlib
  9. sklearn

脑电信号处理用到的库

  1. mne
  2. pillow
  3. pywavelets
  4. pywt

其他的库用到再安装吧

实际搭建编程环境

1、搭建编程环境,安装VSCODE,官网下载安装

2、下载安装python3.7.9

剩下的安装配置过程参考这个博客吧

https://www.cnblogs.com/xiaojwang/p/11331202.html

3、安装完了,升级pip

运行 Cmd

python -m pip install --upgrade pip

升级不成功的话,换命令两个其中一个

1、python -m pip install --upgrade pip -i https://pypi.douban.com/simple

2、pip install --user --upgrade pip

修改pip镜像,不然下载包会很慢

参考

https://www.cnblogs.com/xiaojwang/p/11331907.html

[global]

index-url = https://pypi.douban.com/simple

[install]

trusted-host = pypi.douban.com/simple

软件安装配置完成。

安装相关的库

有两个需要注意安装顺序的地方,需要注意。

两个注意安装顺序的地方:

先安装numpy-1.19.4+mkl,matplotlib再安装sklearn

先安装tensorflow再安装keras

pip list 查看现有的库

安装指定版本的库

使用命令

pip install wheel==0.36.2

安装wheel文件(最麻烦就这里了)

numpy-1.19.4+mkl-cp37-cp37m-win_amd64.whl

在文件夹地址栏直接 cmd

输入命令

pip install numpy-1.19.4+mkl-cp37-cp37m-win_amd64.whl

pip install matplotlib -i https://pypi.douban.com/simple

pip install sklearn==2.3.1 -i https://pypi.douban.com/simple

如果下载还是很慢,说明镜像配置没对,然后出现错误

可以再命令最后加镜像地址 -i https://pypi.douban.com/simple

两个注意安装顺序的地方:

先安装numpy-1.19.4+mkl,matplotlib再安装sklearn

先安装tensorflow再安装keras

别的包pip指定版本安装就行

完整命令为

pip install tensorflow==2.0.0 -i https://pypi.douban.com/simple

pip install keras==2.3.1 -i https://pypi.douban.com/simple

接着安剩下的库

Jupyter

pandas

mne

pillow

pywavelets

pywt

百度或者上官网看一下各个库有什么用吧,这里不说了

用到的安装包和代码资料整理好了

https://download.csdn.net/download/fzf1996/21484334

下一篇,一起运行一个代码,简单解读一下脑电信号的机器学习代码

  • 5
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
串联CNN-LSTM网络和并联CNN-LSTM网络在EEG分类中都有各自的优缺点。 串联CNN-LSTM网络的优点是能够利用CNN网络提取时间序列数据的空间特征,然后将其输入到LSTM网络中进行时间序列建模,从而能够更好地捕捉时间序列数据的时序特征。此外,串联CNN-LSTM网络的参数量相对较少,计算效率更高。 然而,串联CNN-LSTM网络存在一些缺点。首先,CNN网络和LSTM网络的训练是分离的,需要分别进行,这增加了模型训练难度。其次,由于CNN网络的卷积核大小通常较小,因此在对长序列进行卷积时,可能会丢失一些重要的时序信息,这会影响模型分类效果。 相比之下,并联CNN-LSTM网络能够更好地处理长序列数据。并联CNN-LSTM网络将CNN和LSTM网络分别应用于原始数据和时间序列数据,然后将它们的输出进行融合。这种方法能够更好地捕捉时间序列数据的时序特征,同时还能保留原始数据的空间特征。此外,并联CNN-LSTM网络的训练和测试过程比串联CNN-LSTM网络更简单和高效。 但是,并联CNN-LSTM网络也存在一些缺点。首先,由于需要进行多次卷积和池化操作,其参数量较大,计算复杂度较高。其次,由于CNN和LSTM网络是并行的,因此并联CNN-LSTM网络对于时间序列数据的建模能力可能不如串联CNN-LSTM网络。 综上所述,串联CNN-LSTM网络和并联CNN-LSTM网络在EEG分类中各有优缺点,具体选择哪种网络结构应该根据具体情况而定。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大大U

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值