1

先决条件信息：

raw_df 是一个 pandas 数据帧，它有 16 列（'eeg_channel_1'、'eeg_channel_2'、...'eeg_channel_16'）和 1140 行（索引从 125 到 1264），代表 1140 个 EEG 数据样本（采样率：125 Hz）。

我从 pycaret 网站引用了此页面上的示例来编写此代码https://pycaret.readthedocs.io/en/latest/api/clustering.html

环境：
python(3.9.1)
pycaret(2.2.3)
scikit-learn(0.24.2)
scikit-plot(0.3.7)

我正在运行的代码：

from pycaret.clustering import *
pca_data = setup(data=raw_df) # simplified setup function
# pca_data = setup(data=raw_df, pca=True, pca_method='linear', pca_components=2) # real setup function

我的目标：我正在尝试对包含来自 16 通道 EEG 记录的时间序列数据的数据帧执行主成分分析（该组中只有 2 个通道记录正常数据）。我想绘制数据的前两个主成分，以便我可以查看其中一个成分是否与 10 Hz 正弦波（即阿尔法波检测）具有高相关性。我知道更多通道对于提取更多主成分很重要，但我只想获得一个有效的 PCA 概念证明然后进行迭代。

问题：当我运行上述代码（简化版和真实版）时，我收到一条错误消息：

"ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True."

我没有在代码中的任何地方使用 random_state 参数，我也尝试将 1. shuffle=True、 2.random_state=None和 3.添加session_id=None到setup()参数中，但是当我这样做时，我分别收到以下错误消息：

  1. `setup() 得到了一个意外的关键字参数'shuffle'`
  2. setup() 得到了一个意外的关键字参数“random_state”`
  3. `设置 random_state > 没有效果，因为 shuffle 为 False。您应该将 random_state 保留为其默认值（无），或设置 >shuffle=True。

如果有人可以帮助我了解如何正确运行设置功能以在我的 EEG 数据中绘制特征集群，那将非常有帮助。如果有更好/更简单的方法来提取和绘制此数据中的主成分，那将同样有帮助。

完整的输出如下所示：在此处输入图像描述

4

0 回答 0