基于脑机接口神经反馈的智能康复机器人用户使用异常检测识别数据

iRest云APP是公司自研的智能康复机器人配套移动应用。本数据的应用场景如下：1.对用户而言，可基于本数据，为用户生成专属设备健康报告，帮助用户了解智能康复机器人运行状态，提升用户对产品的信任度；2.为智能康复机器人生产方、零部件供应商优化零部件生产工艺、代工厂优化生产组装流程与品控检验标准提供量化依据，提升全供应链的品控水平；2.为产品运营方建立支持智能康复机器人全生命周期的预测性维护体系提供数据支撑，提前预测设备异常；可基于异常检测结果进行质量管理和风控体系建设，对存在异常的设备进行重点管控；3.对研发方而言，可将本数据用于指导智能康复机器人产品设计与迭代，以及智能康复机器人系统算法和训练策略优化，结合历史异常情况对产品进行改进。1.加工前的数据说明：加工前的数据为公司基于“iRest云APP用户端”采集的用户使用数据，并已经用户授权合法获得，字段包括：采集时间、设备型号、会员id、异常标签（0：无异常，为设备自动标记；1：轻度异常；2：中度异常；3：重度异常。≥1判定为异常使用记录，为设备自动标记+人工复核）、Δ专注度、Δ放松度、深度放松占比、操作中断标记（0：未中断；1：已中断）。采集完成后，对数据进行了清洗处理，以确保质量和一致性。
2.处理规则：（1）特征加工：基于采集数据进行近30天滚动窗口计算（对使用记录不足30天的情况，使用现有数据均值代替）。加工字段包含：用户历史使用订单数（统计用户30天内总使用次数，不含本次）、用户历史异常使用次数（异常标签≥1的使用记录数，不含本次）、用户历史中断使用次数（统计历史存在操作中断标记的记录数，不含本次）、用户历史平均使用时长、用户历史平均Δ专注度、用户历史平均Δ放松度、用户历史深度放松占比（30天内深度放松占比均值）；（2）抽取异常使用记录（异常标签≥1）与正常使用记录（异常标签=0），按照 1:3 比例进行不平衡样本采样。将当前使用记录的采集字段与该使用记录发生时间前推30天内的历史特征加工字段进行拼接，形成训练样本，每个样本对应唯一一次使用记录。（3）模型训练：采用XGBoost算法构建二分类模型，以异常结论（0/1）为输出目标，使用训练样本进行模型训练，并按按设备型号进行交叉验证，提升模型对同一型号设备异常模式的识别能力，利用 SHAP 值分析特征贡献度，识别并弱化用户个体差异、短期情绪波动等非设备异常因素对模型判断的干扰，增强模型对设备相关异常的敏感性与稳定性。（4）异常诊断：实时滑动窗口数据输入模型，输出0/1异常结论（0-正常，1-异常）。对比标注结果，计算模型准确率，低于 85% 则重新训练。
3.数据内容描述：加工前的数据经上述算法规则处理后，输出的数据内容为用户历史使用订单数、用户历史异常使用次数、用户历史中断使用次数、用户历史平均使用时长、用户历史平均使用时长、用户历史平均Δ专注度、用户历史平均Δ放松度、用户历史深度放松占比、异常结论。

搜集汇总

背景与挑战

背景概述

该数据集基于脑机接口神经反馈技术，用于智能康复机器人用户使用过程中的异常检测识别。数据由iRest云APP采集并经过用户授权，包含专注度、放松度、使用时长等多维特征，通过XGBoost模型进行不平衡采样和训练，输出异常结论。数据集规模为1049条，实时更新，可应用于用户设备健康报告、供应链品控优化及产品迭代，提升智能康复机器人的运行稳定性和用户体验。