<div dir="ltr">Thanks!</div><div class="gmail_extra"><br><br><div class="gmail_quote">On Sat, Jan 11, 2014 at 6:20 AM, Nick Oosterhof <span dir="ltr"><<a href="mailto:nikolaas.oosterhof@unitn.it" target="_blank">nikolaas.oosterhof@unitn.it</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div class="im"><br>
On Jan 10, 2014, at 8:15 PM, Daniel P. Bliss wrote:<br>
<br>
> 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?<br>

<br>
</div>Not necessarily independent, but yes, data from different timepoints is used in the analysis.<br>
<div class="im"><br>
> Is there a way to automate separate analyses for different timepoints in PyMVPA?<br>
<br>
</div>Yes, but it depends a bit on what type analysis you want to do.<br>
I assume you have a dataset ds with trials that have N timepoints each. Add a sample attribute, say 'time_in_trial', and assign to each sample a value from 1 to N. Then do<br>
<br>
ds_splits=split_by_sample_attribute(ds, 'time_in_trial')<br>
<br>
and run your analysis separately for each dataset in ds_splits, e.g.<br>
<br>
ds_results=[]<br>
for ds_split in ds_splits:<br>
   # your code here to get ds_result<br>
  ds_results.append(ds_result)<br>
<br>
result=hstack(ds_results)<br>
_______________________________________________<br>
Pkg-ExpPsy-PyMVPA mailing list<br>
<a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org">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>
</blockquote></div><br></div>