我是Weka的新手，正在尝试构建一个分类器来对EEG数据进行分类。EEG属性数据包括5分钟的原始信号记录以及其他属性。我如何在Weka的arff文件格式中指定我的实例有一个5分钟原始信号的向量输入？

例如：

Num. -- raw -- class1    -- [1,2,3,4,5,6] -- Relaxed2    -- [2,3,4,5,6] --- Bored

其中raw是一个属性向量..

回答：

考虑一下你的问题——你试图分类/预测什么，以及如何最好地表示它。你可能并不想预测下一个原始EEG读数，因此时间序列方法可能不是关键的。

Weka只能处理具有固定属性集（特征、值，或者换句话说，是预定义长度的向量）的实例（数据行）。可以拥有的属性类型包括nominal（例如“red”,“green”,“blue”），numeric（任何整数/浮点值），string（主要用于文本挖掘）和date。没有办法将raw signal的向量表示为单个属性。这里是文档：http://weka.wikispaces.com/ARFF+%28stable+version%29

尽管如此，你的实例可以看起来像这样：

num,class1,reading_1,reading_2,reading_3 ... reading_n,relaxed,bored

其中reading_1是第一个原始读数，reading_n是5分钟结束时的最后一个读数。这将要求Weka基于原始读数来预测你的类别，可能不会很有效（因为读数可能不会彼此对齐，并且因为这将每个读数单独处理，不考虑像频率或平均值这样的相对因素）。

或者，你可以对原始数据进行一些预处理，使其对Weka中的大多数机器学习算法有用。在这种情况下，你需要决定重要的特征，然后创建它们。一个粗略的例子可能是：

num,class1,average,frequency,max_magnitude,standard_deviation,relaxed,bored

你已经计算了数据的平均值和频率，然后将其放入arff文件中。这样，算法就可以基于数据集的更具信息性的图片来进行预测。

然而，另一个需要考虑的问题是你要表示什么？整个5分钟的样本是否属于同一类，还是用户在其中一部分时间是relaxed，另一部分时间是bored？如果是这种情况，你可能应该有两个样本：一个是用户感到无聊时的样本，一个是她感到放松时的样本。