Key points are not available for this paper at this time.
الصرع هو مرض يقلل من جودة حياة المرضى؛ كما أنه من بين أكثر الأمراض العصبية شيوعًا. لقد اقتربت العديد من الدراسات من تصنيف وتوقع النوبات باستخدام بيانات تخطيط الدماغ الكهربائي وتقنيات تعلم الآلة. تم استخراج تنوع كبير من الميزات من تخطيط الدماغ الكهربائي لإجراء مهام التصنيف؛ ولذلك، من المهم استخدام طرق اختيار الميزات لاختيار تلك التي تعزز التعرف على الأنماط. في هذه الدراسة، تم مقارنة أداء مجموعة من طرق اختيار الميزات عبر نماذج تصنيف مختلفة؛ تتكون مهمة التصنيف من الكشف عن النشاط النوبات من قواعد بيانات EEG CHB-MIT وSiena Scalp. تم تنفيذ المقارنة لمجموعات ميزات مختلفة وعدد الميزات. علاوة على ذلك، تم تقييم التشابه بين المجموعات الفرعية المختارة عبر نماذج التصنيف. تم الإبلاغ عن أفضل نتيجة F1-score (0.90) بواسطة أقرب جار مع مجموعة بيانات CHB-MIT. أظهرت النتائج أن أيًا من طرق اختيار الميزات لم تتفوق بوضوح على بقية الطرق، حيث تأثرت الأداء بشكل ملحوظ بالموصِف، مجموعة البيانات، ومجموعة الميزات. وكان اثنان من المجموعات (الموصِف/طريقة اختيار الميزات) التي أبلغت عن أفضل النتائج هما أقرب جار/آلة الدعم الموجه والغابة العشوائية/الغابة العشوائية المدمجة.
درس سانشيز-هيرنانديز وآخرون (Sat،) هذا السؤال.