vscode默认设置是仅调试自己的代码，在遇到第三方的包时，即使选择跳入，也会自动跳到下行 代码，而不会跳入到第三方包的方法中。解决方法是把仅调试自己代码关掉即可。然后会进入一个设置文档，加上箭头那句就行了。随便打个断点，进入调试后，点击这里。...

plt.scatter(x1,y1, label='1')plt.scatter(x2,y2, label='2')plt.legend(loc='best')plt.show()

网上找的def butter_bandpass(lowcut, highcut, fs, order):nyq = 0.5*fslow = lowcut/nyqhigh = highcut/nyqb, a = signal.butter(8, [low, high], 'bandpass')return b, adef butter_bandpass_filter(data, lowcut, hi

效果图t = np.arange(0,time,1.0/sampling_rate)wavename = 'morl'# "cmorB-C" where B is the bandwidth and C is the center frequency.totalscal = 64# scalefc = pywt.central_frequency(wavename) #central freque

from scipy import ndimageimport numpy as npa= np.array([[0,0,0,0],[0,1,0,0],[0,2,0,0],[1,0,0,0],[1,1,0,1],[1,2,0,1],[2,0,0,0],[2,1,0,0],[2,2,0,0]])b =.

EEGNet：A Compact Convolutional Network for EEG-based Brain-Computer Interfaces与DEEPCNN、shallow CNN相似（笔记），只是结构上略有不同。整个网络由三个部分组成，分别对应FBCSP中的带通滤波、CSP、特征选择。

内容整理自百度百科kappa系数是一种衡量分类精度的指标。公式：k=po−pe1−pek=\frac{p_o-p_e}{1-p_e}k=1−pe​po​−pe​​其中，pop_opo​是每一类正确分类的样本数量之和除以总样本数，也就是总体分类精度 。C是类别总数，TiT_iTi​​是每个类别被正确分类的样本数.假设每一类的真实样本个数分别为a1,a2,…,aC，而预测出来的每一类的样本个数分别为b