解釋性機器學習於心電圖壓力檢測

Created using ChatSlide

本研究探討了工作壓力與自我神經失調的關聯，並分析了心電圖數據的特徵與前處理方法。透過SWELL-KW測試與NASA-TLX評估，結合多種模型如SVM與LightGBM，評估其效能與解釋性。研究結果顯示，模型的準確度與解釋性之間存在平衡，並提出了針對心電圖數據的分析與應用建議，強調了生理意義與實務應用的重要性。