10 - EEGs - terug naar de tekentafel?

Met zulke tegenvallen resultaten is het denk ik eerst zaak om de gebruikte programma's te controleren. In navolging van voorbeeld toepassingen maak ik gebruik van 3 aparte programma's:

• data.py - om de data in een toegankelijke vorm bijeen te krijgen. In dit geval heb ik daarin de data omgezet naar grafieken die de waarden buiten 100 en min 100 weergeven. 
• train.py - zoals de naam al aangeeft wordt hier het NN getraind op de trainingsdata. Ook kunnen er nog data conversie gedaan worden indien meerdere mogelijkheden onderzocht gaan worden. In dit geval breng ik de data naar het juiste type en terug naar waardes tussen 0 en 1.
• submission.py - hier wordt de testdata opgepakt en aan het getrainde model aangeboden. Het resultaat wort omgezet naar een submission bestand zoals door de competitie gespecificeerd. 

Ik maak een extra module 'lib.py' waarin ik de gemeenschappelijke componenten onderbreng zoals het model, constanten en dataconversie functies. Zo voorkom je dat er verschillen ontstaan in de opeenvolgende stappen.

Mede op basis hiervan maak ik ook een testdata programma om te kijken of mijn data, mijn 'grafieken' nog wel kloppen. Hier een voorbeeld van de output met een vergelijking tussen een grafieken verzameling met 'seizure' en zonder. Zie jij het verschil? :-)
Wellicht is het noodzakelijk om de data in de grafieken eerst te 'middelen'. Bijvoorbeeld corrigeren voor het gemiddelde en delen door het maximum. Wellicht is er in de verkleining van de afbeeldingen toch teveel relevante informatie verloren gegaan. Misschien moet ik de karakteristieken van het EEG op een andere wijze gaan vastleggen. Eens even over nadenken.
Het goede nieuws is iig dat de data aan het NN aangeboden lijkt zoals bedoeld. Het slechte is uiteraard de daarbij tegenvallende resultaten.