脑电信号处理实战 06 | ERP 与 P300:酒精依赖风险数据的可解释分类——以及为什么 0.967 不能当结论 📅 2026/7/19 1:42:50 前五篇分析的脑电都属于"振荡活动"——Alpha、Mu、Gamma 这些连绵起伏的节律。脑电分析还有与之并列的另一半江山:事件相关电位(ERP, Event-Related Potential)——大脑对离散事件(一个闪光、一张图片、一声提示音)的毫秒级电生理应答。本篇用 UCI/KDD 经典的酒精依赖 ERP 数据库,走通"真实数据下载解析 → ERP 成分特征 → 可解释分类 → 效应统计"的完整链路。但本篇真正的主角是两句冷水。第一句:这个小数据集每组只有1 名被试,所谓"酒精依赖组 vs 对照组"的分类,本质是"区分张三和李四"——0.967 的准确率证明的是流水线能跑通,而不是临床上能筛人。第二句:脚本输出的置换重要性表全部为零,这不是数据没信息,而是一个教科书级的方法错误——在训练集上计算置换重要性。两句话都会展开讲透,因为它们比 0.967 本身值钱得多。数据来源说明:本篇脚本只认真实数据(UCI KDD Archive EEG Database 小数据集),下载或解析失败直接报错、绝不生成模拟数据。被试为酒精依赖风险组co2a0000364与对照组各 1 名,共 60 个 trial。读完本篇你将学会:ERP 的生成原理(叠加平均)与经典成分(P100、N200、P300、晚期正成分)的潜伏期、极性与认知意义;S1 /