健康与帕金森病患者脑电数据集
包含健康和帕金森病患者脑电数据，用于自回归模型预测分析。
基本信息
资源简介
健康与帕金森病患者脑电数据集
【数据集背景】
本数据集源站标题为《faramh/Autoregressive-model-on-EEG-dataset》。源站首次发布：2024-07-27。
【数据内容】
源站原始描述：In this project we have applied an AR model (Copyright (C) 2021, Erfan Nozari) on the EEG data set of healthy and Parkinson''s disease patients to do forecasting in raw data and koopman-transformed data to check the effect of embedding space reached from Deep Koopman transform # Autoregressive-model-on-EEG-dataset In this project we have applied an AR model (Copyright (C) 2021, Erfan Nozari) on the EEG data set of healthy and Parkinson''s disease patients to do forecasting in raw data and koopman-…
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://github.com/faramh/Autoregressive-model-on-EEG-dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
git clone https://github.com/faramh/Autoregressive-model-on-EEG-dataset.git
curl -L -o repo.zip https://github.com/faramh/Autoregressive-model-on-EEG-dataset/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Autoregressive-model-on-EEG-dataset
In this project we have applied an AR model (Copyright © 2021, Erfan Nozari) on the EEG data set of healthy and Parkinson’'s disease patients to do forecasting in raw data and koopman-transformed data to check the effect of embedding space reached from Deep Koopman transform
In the Main Codes section there are all of the codes we have used to check and apply the linear AR on different types of data sets we had. Final results are reached using the 2 codes “AR_Koopma_R2.m and AR_koopman_whiteness.m”
Final results are on the koopman study data sets that the discription are in a .txt file.
Our reports are in 2 pdf files (final results in the “Final Results of auto regressive task - Dr.Martin-Mirian” file)
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
