基于脑电数据做机器学习分析

基于脑电数据做机器学习分析

对脑电数据进行机器学习分析的一般流程为：

1、特征提取（Feature extraction）

在进行脑电机器学习的时候，首先需要确定需要提取的特征，例如：脑电功率谱特征，即脑电各频段的绝对/相对频谱能量；脑网络特征，即通道（或脑区）之间的功能连通性；ERP特征如ERP幅值，以及更高阶的图论指标，小世界网络等。

2、模型训练和测试（Model training and testing）

机器学习的模型很多，包括：感知机、k近邻、贝叶斯、决策树、逻辑斯蒂回归与最大熵模型、支持向量机、k-means聚类、隐马尔科夫、深度神经网络，以及其他如AdaBoost之类的提升方法。

确定提取的特征后，接下来我们就需要对选择模型进行训练和测试了，用到的模型无非就是两种，一种是分类，另一种是做回归分析；其中感知机、k近邻、贝叶斯、决策树、逻辑斯蒂回归、支持向量机、k-means聚类、线性判别分析主要用来做分类；逻辑斯蒂回归、支持向量机等也可以用来做回归分析。在尝试用不同的模型进行分析的时候，需要遵循“没有免费的午餐”定理，即没有任何一种方法能在各种数据集里完胜其他所有的方法。一般来说，简单的模型解释性强一些，复杂的模型解释性弱一些。

3、模型评价（Model Evaluation）

一般选择交叉验证的方法来对训练的模型进行评价，交叉验证常用的方法共有三种，下图分别是简单交叉验证、k折交叉验证和留一交叉验证法

1）：简单的交叉验证的步骤如下：

1、 从全部的训练数据 S中随机选择 中随机选择 s的样例作为训练集 train，剩余的 作为测试集 作为测试集 test。
2、 通过对测试集训练 ，得到假设函数或者模型 。
3、 在测试集对每一个样本根据假设函数或者模型，得到训练集的类标，求出分类正确率。
4，选择具有最大分类率的模型或者假设。
这种方法称为 hold -out cross validation 或者称为简单交叉验证。由于测试集和训练集是分开的，就避免了过拟合的现象

2）：k折交叉验证 k-fold cross validation也可以称为s折交叉验证
1、 将全部训练集 S分成 k个不相交的子集，假设 S中的训练样例个数为 m，那么每一个子 集有 m/k 个训练样例，，相应的子集称作 {s1,s2,…,sk}。
2、每次从分好的子集中里面，拿出一个作为测试集，其它k-1个作为训练集
3、根据训练训练出模型或者假设函数。
4、 把这个模型放到测试集上，得到分类率。
5、计算k次求得的分类率的平均值，作为该模型或者假设函数的真实分类率。

这个方法充分利用了所有样本。但计算比较繁琐，需要训练k次，测试k次。

三：留一法 leave-one-out cross validation

留一法就是每次只留下一个样本做测试集，其它样本做训练集，如果有k个样本，则需要训练k次，测试k次。
留一发计算最繁琐，但样本利用率最高。适合于小样本的情况。

其中，total accuracy表示总正确率，即预测正确数除以样本量；sensitivity表示敏感性；specificity表示特异性；balance accuracy表示平均正确率，是由敏感性和特异性的平均的得来的；positive predictive value(PPV)表示正性预测值；negative predictive value(NPV)表示负性预测值；area under ROC curve (AUC)表示ROC曲线下的面积。

ROC曲线：以假正例率（FPR）为横轴，以真正例率（TPR）为纵轴所绘制之曲线。曲线下面积为AUC。AUC越大，分类器性能越好。


roc曲线是以假阳性率(敏感性）为横轴，阳性率为纵轴；样本到超平面的距离可以作为决策值；AUC面积越大表示分类器性能越好；

进行置换检验（Permutation test)

组间差异的统计量；通过置换将组间差异降低；如果数据差异本来很小，通过置换，差异可能还回增大。

做置换检验的目的是为了验证模型是否是真正的学到了东西；置换（也就是打乱数据的标签），会扰乱模型预测的精度，数据打乱后再做交叉验证，p值小于0.05时，就说明模型效果好

4、模式定位（Pattern Localization）

最后进行模式定位，即确定哪个波段或成分或特征等是贡献较大，挑出贡献较大的重要的特征