如何在python中对复数进行分类

我正在从事EEG信号分类的大学项目。我的目标是在python中使用SVM对“alpha”信号进行分类，因为我关注基于SSVEP的BCI方法。所以我只从数据集中的“alpha”列中选择数据。我使用巴特沃斯滤波器对信号进行预处理，去除EOG或眼部肌肉运动等噪声，然后使用FFT进行特征提取。巴特沃斯滤波器中使用12 Hz截止，因为阿尔法波在该频率范围内，并存储为“滤波d.csv”。我想用支持向量机对这些特征进行三类分类。我使用FFT从这些信号中提取特征。我只显示了一列的空间限制。我得到的结果是复数

import pandas as pd
dataset=pd.read_csv("filtered_d.csv")
frame = pd.DataFrame(dataset)
X=frame.drop(frame.columns[0], axis=1)
import numpy as np
sp = np.fft.fft(X['AF3 alpha std'].values)
print(sp)

结果:

---

我的问题是如何用python中的机器学习算法对这些复数进行分类？

您能更详细地解释一下您使用这些复数的目的吗？也许您可以计算复数的大小，并将其用于回归而不是分类设置？我想从数据集中对运动动作进行分类。我已经应用巴特沃斯滤波器来清除噪声，然后应用FFT来获得特征。FFT程序生成这些复数。