<div dir="ltr">I think this question was based on a misinterpretation of what the event-related analysis actually does.  I was assuming that it conducted a separate classification analysis for each timepoint, but now I'm inferring that it conducts a single analysis, treating the timepoints as independent features.  Is that true?  Is there a way to automate separate analyses for different timepoints in PyMVPA?<div>
<br></div><div>Thanks,</div><div>Dan</div></div><div class="gmail_extra"><br><br><div class="gmail_quote">On Thu, Jan 9, 2014 at 1:32 PM, Daniel P. Bliss <span dir="ltr"><<a href="mailto:dbliss@berkeley.edu" target="_blank">dbliss@berkeley.edu</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hi PyMVPAers,<div><br></div><div>Part 7 of the tutorial has taught me how to assess the sensitivity of a voxel for each timepoint in an event-related analysis, but what I'd really like to do is look at the classification accuracy for each timepoint (a measure that would incorporate all the voxels).  I can access the overall accuracy in that tutorial with</div>

<div><br></div><div>sclf.ca.stats.stats['ACC%']</div><div><br></div><div>but I can't find any information about how to get the accuracy for individual timepoints (or, for that matter, for individual folds).</div>

<div><br></div><div>I've inspected the keys in sclf.ca.stats.stats, and the contents of sclf.ca.stats, but nothing jumps out as being particularly relevant.</div><div><br></div><div>Many thanks!</div><div>Dan</div></div>

</blockquote></div><br></div>