机构名称：
¥ 2.0
使用 HRV 数据，训练分类模型以成功区分疲劳和非疲劳状态。图 2 显示了每个分类问题的最重要特征。训练集中的交叉验证结果在补充材料中报告（见表 S1）。表 1 和表 2 分别总结了在任务相关和静息 HRV 数据上训练的分类器的测试集预测性能。下面，我们报告最重要的发现。置换测试表明，所有分类器在所有分类问题中的分类性能与置换零分布有显著不同。对于每个分类问题，SVM、KNN 和 RF 分类器的性能产生类似的结果。但是，在所有分类问题中，SVM 的平均表现略优于其他两个分类器。不管
基于心率变异性的机器学习模型...
主要关键词
相关文件推荐
