研究室筆記

ISI樣本增加＆研究 (2026.1.8)

5 min read

11月初的結果（數據更新之前）：

  • 總人數68人（49：19）

  • 當時做的潛在樣本分析： 潛在樣本分析

12/30 統整後的結果：

300

  • 具有三次ISI數據ISI_T1, ISI_T2, ISI_T3： 300
  • 若加入條件，除了三次ISI數據ISI_T1, ISI_T2, ISI_T3，還需要有完整的HRV_SDNN_MS, HRV_LF_HF, HRV_LF, BDI_T1, BAI_T1
    • 500
    • 新增名單：
      • 失眠組 (3人)：陳品蓉、黃宣云、羅方妤
      • 控制組 (3人)：孟芝宇、吳姿靚、胡銘倫

大致ML結果：

  • 用新資料51人去跑，有做平衡（class_weight=balanced），失眠組的數字仍然上不去（紅色框框處，預測pos）

800

用12/31統整的資料給老師excel

將HRV做Log＋標準化

2025.1.2

  • 預測Pos （失眠組），結果有提升 800

2026.1.2 跟學長討論結果

  • ISI跟PSQI應該要有正相關？！（越睡不著，睡眠狀況應該要越差） 👉目前樣本結果相反：
    • ISI：（HRV_SDNN_MS, HRV_LF_HF, HRV_LF, BDI_T1, BAI_T1）
      • 3TP = 0 (健康組)：35 人 (佔 68.6%)
      • 3TP = 1 (失眠組)：16 人 (佔 31.4%)
    • PSQI：（HRV_SDNN_MS, HRV_LF_HF, HRV_LF, BDI_T1, BAI_T1）
      • Good (⇐5, 睡眠品質好)：29 人 (24.8%)
      • Poor (>5, 睡眠品質差)：88 人 (75.2%)

2026.1.7 重新用Transformer當EEG Filter 後，重新計算Lasso Regression

目前的Lasso Regression

/Users/yuchi/PycharmProjects/PsyMl_Data/.venv/bin/python /Users/yuchi/PycharmProjects/PsyMl_ISI/ML/tools/lasso_ranking.py 
[模式] 排除模式
[防洩漏] 移除 22 個 T2/T3 欄位

[資料] 來源=isi_raw_data_transformer_abs  目標=3TP  樣本=80  特徵=363
  已排除群組：['ACS', 'CDRISC', 'CPT', 'EEF', 'EF', 'ERQ', 'IGT']
  總缺值比例：37.33%

[CV結果]（分數 = neg_log_loss，越大越好 → log_loss 越小）
  lambda_min：C = 0.135296  |  lambda = 7.39123
  lambda_1SE：C = 0.0316228  |  lambda = 31.6228

[選入變項（1SE）] 以 |係數| 排序（前 30）
  （無變項被選入；可放寬正則或檢查特徵）

[對照] lambda_min 非零變項數：2，lambda_1SE 非零變項數：0

[選入變項（lambda_min）] 以 |係數| 排序（前 30）
                  coef  abs_coef
EEG_BETA2_F3  0.169693  0.169693
EEG_ALPHA_O2 -0.085377  0.085377

[Top 10（路徑峰值）] 不綁定單一 C
SELF_EFFICACY_SCALE
             HRV_LF
       EEG_ALPHA_O2
                AGE
       EEG_DELTA_P3
       EEG_DELTA_T5
    WCST_PERS_ERR_T
      HRV_RESP_RATE
       EEG_ALPHA_P4
       EEG_DELTA_C4



目前找到的文獻雖然對「位置與頻段」有正相關，但是好像都是MDD的研究（順帶提到可能MDD影響睡眠）👉 所以雖然頻率位置很漂亮，但可能要用其他方法處理特徵
側偏化問題：
  • 有可能是Lasso Regression 會只抓一邊：
  • 用左右相關係數做計算（table=eeg_lr_corrs）
  - corr(EEG_BETA2_F3, EEG_BETA2_F4) = **0.845483580166179** (n=269)
  - corr(EEG_ALPHA_O1, EEG_ALPHA_O2) = **0.646293406646129** (n=269)
  - corr(EEG_ALPHA_P3, EEG_ALPHA_P4) = **0.474380195853508** (n=269)
  - corr(EEG_DELTA_P3, EEG_DELTA_P4) = **0.282011457379088** (n=269)

  • 發現前額葉(F3, F4)的相關度高，高度懷疑是Lasso算法把另一邊(F4)壓成0

EEG特徵＆原本HRV特徵比較關聯性：

  • 僅HRV_EKG_HR有跑入，剩下都是EEG的天下

Users/yuchi/PycharmProjects/PsyMl_Data/.venv/bin/python /Users/yuchi/PycharmProjects/PsyMl_ISI/ML/tools/lasso_ranking.py 
[模式] 允許模式
[防洩漏] 移除 14 個 T2/T3 欄位

[資料] 來源=isi_raw_data_transformer_abs  目標=3TP  樣本=80  特徵=348
  已排除群組：['ACS', 'CDRISC', 'CPT', 'EEF', 'EF', 'ERQ', 'IGT', 'WCST']
  總缺值比例：38.66%

[CV結果]（分數 = neg_log_loss，越大越好 → log_loss 越小）
  lambda_min：C = 0.142779  |  lambda = 7.00383
  lambda_1SE：C = 0.0316228  |  lambda = 31.6228

[選入變項（1SE）] 以 |係數| 排序（前 30）
  （無變項被選入；可放寬正則或檢查特徵）

[對照] lambda_min 非零變項數：3，lambda_1SE 非零變項數：0

[選入變項（lambda_min）] 以 |係數| 排序（前 30）
                  coef  abs_coef
EEG_BETA2_F3  0.186152  0.186152
EEG_ALPHA_O2 -0.107496  0.107496
EEG_DELTA_O1 -0.010816  0.010816

[Top 10（路徑峰值）] 不綁定單一 C
      EEG_DELTA_P3
      EEG_ALPHA_O2
      EEG_DELTA_C4
        HRV_EKG_HR
      EEG_THETA_P3
EEG_DELTA_F3F4_AVG
      EEG_ALPHA_P4
      EEG_DELTA_T5
     EEG_ALPHA2_PZ
     EEG_HGAMMA_C3

用EEG_ALPHA_O1,EEG_ALPHA_O2,EEG_BETA2_F3,EEG_BETA2_F4 加上BAI_D1, BDI_T1跑ML(未加權)

  • AUC目前最高
  • F1_pos：多模型可以跑0.7UP (目前最高)