Hi,<div><br></div><div>Thanks for getting back. I'm a bit confused by the response, which is pretty much the norm for me.</div><div><br></div><div>- My reason for wanting to do this is because of a relative paucity of examples (9 per run, 3 categories, 9 runs), which I plan to reduce in number further by some averaging. It seems (to me) that the zscoring would be more accurate when considering thousands of voxels (per example) as opposed to several voxels (per run). </div>
<div><br></div><div>- I guess I don't see why zscoring this way would render a searchlight invalid. I'm looking at the Pereira paper clip that was referenced recently in the listserv: "<span class="Apple-style-span" style="color: rgb(35, 31, 32); font-family: AdvTT5235d5a9; font-size: 11px; ">In the example study, we
normalized each example (row) to have mean 0 and standard
deviation 1. The idea in this case is to reduce the effect of large,
image-wide signal changes. Another possibility would be to normalize
each feature (column) to have mean 0 and standard deviation 1, either
across the entire experiment or within examples coming from the
same run." <br></span><br><div class="gmail_quote">On Mon, Nov 7, 2011 at 5:29 PM, Yaroslav Halchenko <span dir="ltr"><<a href="mailto:debian@onerussian.com" target="_blank">debian@onerussian.com</a>></span> wrote:<br>

<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">nothing is impossible... but why would you like to do that? quick<br>
situation/answers pairs<br>
<br>
* I care only about classification performance and don't do any feature<br>
  (voxel) diagnosticity analysis such as searchlight<br>
<br>
  well -- then zscoring is legit... but I don't think we have builtin<br>
  mapper/function for it, since if you don't have any groups of voxels<br>
  to care about zscoring independently, then it is as simple to in<br>
  pure python as<br>
<br>
  ds.samples -= np.mean(ds, axis=1)[:, None]<br>
  ds.samples /= np.std(ds, axis=1)[:, None]<br>
<br>
* I do care about per-voxel estimates of diagnosticity<br>
<br>
  DO NOT ZSCORE ACROSS FEATURES (VOXELS)! ;)<br>
<div><div><br>
On Mon, 07 Nov 2011, Mike E. Klein wrote:<br>
<br>
>    Hi all,<br>
>    I realize now (after a boneheaded mistake), that PyMVPA's zscore()<br>
>    function is normalizing for all the values across a chunk (looking at each<br>
>    voxel individually). I'm wondering if it's possible to, instead, find the<br>
>    zscores for all the voxels in a single volume (against each voxel's<br>
>    resting state), considering each 3d volume separately.�<br>
>    Thanks,<br>
>    Mike<br>
<br>
</div></div>> _______________________________________________<br>
> Pkg-ExpPsy-PyMVPA mailing list<br>
> <a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org" target="_blank">Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org</a><br>
> <a href="http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa" target="_blank">http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa</a><br>
<span><font color="#888888"><br>
<br>
--<br>
=------------------------------------------------------------------=<br>
Keep in touch                                     <a href="http://www.onerussian.com" target="_blank">www.onerussian.com</a><br>
Yaroslav Halchenko                 <a href="http://www.ohloh.net/accounts/yarikoptic" target="_blank">www.ohloh.net/accounts/yarikoptic</a><br>
<br>
_______________________________________________<br>
Pkg-ExpPsy-PyMVPA mailing list<br>
<a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org" target="_blank">Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org</a><br>
<a href="http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa" target="_blank">http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa</a></font></span></blockquote></div><br></div>