<div dir="ltr"><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0)">Hi, <br><br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0)">I m really new to machine learning and have just collected some fMRI data for analysis with PyMVPA<br>
<br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0)">The design is simple, basically I have 2 tasks, S and I and each task has 2 conditions: a and b<br><br>Each task occurs on a separate fMRI run  and the conditions a  & b are blocked such as 'ababbaabbaabbaba' (each block is 4 trials each<br>
</div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0)"><br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0)">Data has been preprocessed in FSL (as part of univariate-based analyses), including a 5 mm smoothing. I have derived parameter estimates for each task condition a & b....so have 8 betas per subject per condition.<br>
<br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline">​Basically I would like to train a SVM classifier to discriminate conditions a & b in task S​ and then test it on the independent dataset from the different task I. <br>
<br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline">For this I thought to normalise to MNI and concatenate all the arameter estimates for a & b for task S across all subjects and in principle use whole-brain classification, with the intention of trying searchligh analyses later on...<br>
<br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline">Does this make sense? or would it be better to do it differently? Any advise or pointers would be much appreciated!<br>
<br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline">cheers,<br><br></div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline">
david</div><div class="gmail_default" style="font-family:georgia,serif;font-size:large;color:rgb(0,0,0);display:inline"><br></div><br>-- <br><div dir="ltr"><a href="http://www1.imperial.ac.uk/medicine/people/d.soto/" style="color:rgb(17,85,204)" target="_blank">http://www1.imperial.ac.uk/medicine/people/d.soto/</a><br>
</div>
</div>