Hi all,<div><br></div><div>I'm wondering if someone could point me in the direction of calculating the effect sizes of voxels in time series against the series' baseline conditions. Ideally over multiple experimental chunks/runs. </div>
<div><br></div><div>For reasons that I simply can't figure out, zscore-ing my data <i>always</i> brings down my accuracies (whether I'm using a searchlight or ROI-based analysis), even compared to the dataset that has only been detrended. So I'm trying to explore alternative methods to feeding the SVM that quite raw data. (To illustrate: I'm running an auditory experiment, where my baseline condition is silence. Without zscoring, SVMs can tell any of the sound conditions vs. the silence condition at 98-100% accuracy...which makes sense. With zscoring, this drops to the 80-90% level. The experiment has a good amount of samples, is well-balanced, motion-corrected, etc., so I can't find other obvious confounds.) </div>
<div><br></div><div>PyMVPA people on this list have been helpful in suggesting that I shouldn't normalize by volume, so this seems like a decent alternate approach, which should keep the voxel values in a somewhat reasonable range. Any help would be greatly valued. (I hope some day to be someone who answers questions on this board, as well as asks them...)</div>
<div><br></div><div>Best,</div><div>Mike Klein</div>