研究揭示EEG模型跨受试者泛化能力下降
发生了什么
据Towards Data Science报道，研究揭示当EEG模型的训练和测试包含同一参与者时，性能会虚高。对比背景EEG与心算任务EEG，当整个参与者被留出时，Logistic回归平衡准确率从0.770降至0.648，RBF-SVM从0.864降至0.602，随机森林从0.664降至0.532。ROC-AUC也呈现类似大幅下降。研究指出，EEG记录包含显著的参与者特定结构，导致模型反映的是对特定来源的熟悉度而非真正的泛化能力。
- RBF-SVM准确率降幅
- 0.263
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- Towards Data Science来源报道
When EEG Models See the Same People in Training and Testing
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口