数据集概述
本数据集关联精英柔道运动员Alpha神经反馈训练研究，包含去标识化的原始及处理后EEG数据（F3、F4电极及前额叶阿尔法不对称指数）、5种相对负荷下的下肢力量表现指标、响应者分类标签、训练分组、增量指数，以及用于统计与机器学习分析的R脚本，支持基于EEG的力量提升预测及响应者状态分类研究。
文件详解
- 文件名称：Nowa_Macierz_EEG_Delta_Index_Imputed.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含去标识化的EEG增量指数数据（经插补处理），涉及F3、F4电极的阿尔法波段（8-13Hz）活动及前额叶阿尔法不对称指数（FAI）
- 文件名称：Sensitivity_RF_Permutation.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含随机森林（Random Forest）模型的敏感性分析结果，基于排列重要性评估EEG特征对力量增益预测的贡献度
- 文件名称：Wyniki_PCA_Regression_EEG_Strength (1).xlsx
- 文件格式：XLSX
- 字段映射介绍：包含主成分分析（PCA）及多元回归分析结果，关联EEG基线数据与不同负荷（35%、55%、70%、85%、100% 1RM）下的下肢力量表现指标
- 文件名称：EEG_Regression_Diagnostics_Expanded.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含EEG回归模型的扩展诊断结果，用于验证模型假设及评估拟合质量
- 文件名称：Wyniki_PCA_Regression_EEG_Strength.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含主成分分析（PCA）及多元回归分析的核心结果，关联EEG特征与负荷特异性力量提升数据
- 文件名称：Wyniki_Klasyfikacji_RF_MLP.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含随机森林（Random Forest）与多层感知器（Multi-Layer Perceptron）模型的响应者分类结果，基于基线神经生理特征划分训练响应状态
数据来源
研究论文“Machine Learning Identification of EEG Predictors of Load-Specific Strength Gains Following Alpha Neurofeedback in Elite Judokas”
适用场景
- 运动神经科学研究: 分析EEG阿尔法波段活动与精英运动员力量适应的关联机制
- 神经反馈训练效果评估: 验证15次阿尔法神经反馈训练对下肢力量提升的预测价值
- 机器学习模型开发: 基于EEG数据构建负荷特异性力量增益预测模型及响应者分类模型
- 运动训练个性化方案制定: 利用基线神经生理特征识别力量训练的潜在响应者，优化训练干预策略
- 数据可重复性研究: 基于提供的R脚本复现统计分析与机器学习流程，验证研究结论的可靠性
