Extremely randomized trees

极度随机树在疼痛定位方面优于深度学习

研究人员使用来自 AI4Pain 2026 挑战赛的数据集，探索了计算模型在疼痛定位方面的有效性。该研究比较了传统特征工程和深度学习方法，发现使用皮肤电活动 (EDA) 频谱特征的极度随机树取得了最高的性能，宏观 F1 分数为 0.539。这种传统方法比深度学习模型高出 7.4 个百分点。分析显示，疼痛检测和疼痛定位之间存在显著的性能差距，这表明由于外周自主神经通路的弥散性，在 10 秒分辨率下解决疼痛来源存在根本性限制。