Kaggle新赛上分攻略来了！开源baseline免费领【文末送书】

最近，Kaggle发布了 HMS-有害大脑活动分类大赛 。这是一个 信号分类 任务 ，比赛目标是检测和分类癫痫发作和其他类型的有害大脑活动。参赛者需要开发一个基于重症监护医院患者记录的脑电图（EEG）信号训练的模型。

提交的模型将根据预测概率与观察目标之间的Kullback-Leibler散度进行评估。参赛者的工作将有助于自动化脑电图分析，并帮助研发治疗和预防癫痫发作的药物。

训练集的元数据 train.csv

专家标注员审查了50秒长的EEG样本，并匹配了覆盖10分钟窗口中心的频谱图，该窗口以相同的时间为中心，并标记了中心10秒。这些样本中有许多重叠，并已合并。

eeg_id - 整个EEG记录的唯一标识符。

eeg_sub_id - 特定50秒长子样本此行标签适用的ID。

eeg_label_offset_seconds - 合并后的EEG与此子样本之间的开始时间。

spectrogram_id - 整个EEG记录的唯一标识符。

spectrogram_sub_id - 特定10分钟子样本此行标签适用的ID。

spectogram_label_offset_seconds - 合并后的频谱图与此子样本之间的开始时间。

label_id - 此标签集的ID。

patient_id - 捐赠数据的患者的ID。

expert_consensus - 共识标注员标签。

[ seizure/lpd/gpd/lrda/grda/other ]_vote - 给定大脑活动类别的标注员投票计数。

测试集的元数据 test.csv

由于测试集中没有重叠的样本，因此许多train元数据中的列不适用。


eeg_id


spectrogram_id


patient_id


sample_submission.csv


eeg_id


[ seizure/lpd/gpd/lrda/grda/other ]_vote - 目标列。