Hey,<br><div class="gmail_extra"><br><br><div class="gmail_quote">On Thu, Dec 6, 2012 at 6:43 PM, Kimberly Zhou <span dir="ltr"><<a href="mailto:kyqzhou@gmail.com" target="_blank">kyqzhou@gmail.com</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Hi All,<br><br>My apologies in advance for the noob questions.<br><br>I've been looking at hyperalignment in PyMVPA and was wondering if 
anyone else has been using this and is clear on how it works. Is there a way to get a sensitivity map after hyperalignment and more importantly, would that be a valid thing to do?<br></blockquote><div><br></div><div>Hyperalignment will provide you with a transformation for each input dataset that will align the feature space of the respective dataset with the computed "common" space. In a sense the transformation matrix provides you with information what original features contribute how much to each feature in the common space. You could think of it as a sensitivity score....</div>
<div><br></div><div>Take a look at the Neuron paper -- it should give you some idea what you can do with this tool.</div><div><br></div><div>Michael</div><div><br></div><div> </div></div>-- <br>GPG key:  1024D/3144BE0F Michael Hanke<br>
<a href="http://mih.voxindeserto.de" target="_blank">http://mih.voxindeserto.de</a><br>Jabber: <a href="mailto:michael.hanke@gmail.com" target="_blank">michael.hanke@gmail.com</a><br><br>
</div>