غالباً ما تفترض خطوط أنابيب تعلم الآلة أن القياسات الأكثر تؤدي إلى نتائج أفضل، لكن في الأنظمة القائمة على المستشعرات تضيف كل قناة إضافية لتخطيط كهربية الدماغ أقطاباً وتدفقات إشارة وتعقيداً في الإعداد وتكلفة معالجة. يختبر هذا التحليل ما إذا كانت جميع القنوات الـ19 لتخطيط كهربية الدماغ في فروة الرأس ضرورية للتصنيف عبر المشاركين في مجموعة بيانات عامة للحساب الذهني، وذلك بتقليص التركيب إلى 12 و8 و4 و2 و1 قناة، مع الإبقاء على المعالجة المسبقة نفسها والميزات الطيفية وعائلات النماذج نفسها وتقييم قائم على استبعاد المشاركين.
تتضمن مجموعة بيانات EEGMAT من PhysioNet 36 مشاركاً، لكل منهم تسجيل خلفية وتسجيل للحساب الذهني المتسلسل. والهدف من التصنيف هو حالة التسجيل، وليس مقياساً عالمياً معتمداً للعبء المعرفي. فُلترت الإشارات بين 1 و40 هرتز، وقُسمت إلى نوافذ مدتها أربع ثوانٍ، وحُسبت القدرة النسبية في نطاقات ثيتا وألفا وبيتا والجاما المنخفضة، مما أنتج 76 ميزة لكل نافذة عبر 2134 نافذة.
أدت التخفيضات الكبيرة في عدد القنوات إلى تغييرات طفيفة فقط في الأداء على المشاركين غير المرئيين. والأكثر دلالة أن عدة أقطاب احتلت مراتب قريبة من القمة في كل طية تدريب تقريباً، لكنها لم تتفوق على مجموعات قنوات مختارة عشوائياً على المشاركين المستبعدين. ولذلك انتقلت التجربة من البحث عن تركيب أمثل لتخطيط كهربية الدماغ إلى درس أوسع: إن ثبات أهمية الميزات لا يعني بالضرورة فائدة أفضل خارج العينة.
يستند هذا العمل إلى نتائج سابقة مفادها أن طريقة التحقق تشكل إلى حد كبير الأداء المُبلَّغ عنه. فاستبعاد مشاركين بأكملهم، بدلاً من نوافذ فردية، يقدم صورة أكثر واقعية عن سلوك النموذج مع أشخاص لم يرهم من قبل، وهذا هو المتطلب الأساسي للنشر العملي.
المصدر: Towards Data Science · لخّصه HeadlinesBriefing