11 - EEGs - Misschien met histogrammen?

De gebruikte grafieken zijn opgebouwd uit verbindingen tussen opeenvolgende punten met uitslagen groter dan 100 of kleiner dan -100. De hoeken tussen deze waarden geven in feite een soort frequenties weer. Wellicht kan ik deze gebruiken als 'features' om te bepalen of er een epilepsie aanval aankomt. Ik ga eens proberen of ik ze kan classificeren. Daar lijkt een histogram de aangewezen weg voor:

Het histogram geeft dus de verdeling weer in de 10 minuten registratie van alle hoeken tussen -90 en 90 graden. Als bepaalde frequenties veel gaan voorkomen zou dat indicatief kunnen zijn. Dit levert tevens een veel compactere dataset op. 16 * 100 cijfers per 10 minuten patient-meting.  Ook kan ik  van gewone, niet convolutie, netwerken gebruik maken. Dat moet veel tijdswinst geven!

Wel weer 'even' alle data converteren. Gelukkig geeft de histogram functie van numpy de aantallen en de 'bins' (vakjes?) netjes terug in een numpy array. Ik hoef dus nu niet eerst alles als afbeelding op te slaan.