<div dir="ltr">Dear PyMVPA experts, <div><br></div><div>I am trying to run RSA in a searchlight, where I want to use PDistTargetSimilarity() to see where in the brain dissimilarity structures are similar to a predefined model. However, I am having difficulty creating a model dissimilarity structure that is the correct size to call into this function.<br><br>I have six experimental conditions. The 6x6 dissimilarity model I want to feed into this analysis looks like this: </div><div><br></div><div><div>from mvpa2.tutorial_suite import *</div></div><div><span style="color:rgb(0,0,0)">input_model = dataset_wizard([[0,0,0,1,1,1],[0,0,0,1,1,1],[0,0,0,1,1,1],[1,1,1,0,0,0], [1,1,1,0,0,0],[1,1,1,0,0,0]])</span><br></div><div><div>labels = ['SA', 'SV', 'SN', 'WA', 'WV', 'WN']</div><div><font color="#000000">input_model.shape</font></div><div><div><font color="#000000">def plot_mtx(mtx, label, title):</font></div><div><font color="#000000">    pl.figure()</font></div><div><font color="#000000">    pl.imshow(mtx, interpolation='nearest')</font></div><div><font color="#000000">    pl.xticks(range((len(mtx))),label, rotation=-45)</font></div><div><font color="#000000">    pl.yticks(range(len(mtx)), label)</font></div><div><font color="#000000">    pl.title(title)</font></div><div><font color="#000000">    pl.clim((0,1))</font></div><div><font color="#000000">    pl.colorbar()</font></div><div><font color="#000000">plot_mtx(input_model, labels, 'Input modality model')</font></div></div></div><div><font color="#000000"><br></font></div><div><font color="#000000">#### Relevant code ######</font></div><div><font color="#000000"><br></font></div><div><div><font color="#000000"># Load in dataset</font></div><div><font color="#000000">ds = fmri_dataset(samples = samples, mask = mask, chunks = sa['chunks'], targets = sa['targets'])</font></div><div><font color="#000000">ds = remove_invariant_features(ds)</font></div><div><font color="#000000"><br></font></div><div><div><font color="#000000"># mean condition samples </font></div><div><font color="#000000">from mvpa2.mappers.fx import mean_group_sample</font></div><div><font color="#000000">mtgs = mean_group_sample(['targets'])</font></div><div><font color="#000000">mtds = mtgs(ds)</font></div></div><div><font color="#000000"><br></font></div><div><font color="#000000"># dissimilarity matrix done in searchlight form</font></div><div><font color="#000000">from mvpa2.measures.searchlight import sphere_searchlight</font></div><div><font color="#000000">dsm = rsa.PDist(square=False)</font></div><div><font color="#000000">sl = sphere_searchlight(dsm,3)</font></div><div><font color="#000000">slres = sl(mtds)</font></div><div><font color="#000000"><br></font></div><div><font color="#000000"># Use PDistTargetSimilarity to see where in the brain we find dissimilarity structures similar to the predefined model</font></div><div><font color="#000000">tdsm = rsa.PDistTargetSimilarity(input_model)</font></div><div><font color="#000000">#using a searchlight</font></div><div><font color="#000000">from mvpa2.base.learner import ChainLearner</font></div><div><font color="#000000">from mvpa2.mappers.shape import TransposeMapper</font></div><div><font color="#000000">sl_tdsm = sphere_searchlight(ChainLearner([tdsm, TransposeMapper()]),2)</font></div><div><font color="#000000">slres_tdsm = sl_tdsm(mtds)</font></div><div><span style="color:rgb(136,136,136)"><br></span></div><div><font color="#000000">###### Error message ######</font></div><div><font color="#000000">ValueError: operands could not be broadcast together with shapes (15) (6,6) </font><br></div><div><span style="color:rgb(0,0,0)"><br></span></div><div><span style="color:rgb(0,0,0)"><br></span></div><div><span style="color:rgb(0,0,0)">I realise this is because I have a vector vs. 6x6 matrix. I assume I need to create a vector that reflects the off diagonal dissimilarity structure for my input_model? If so, is there a simple way to do this? If this is not the correct answer, how do I create a compatible model?</span><br></div><div><span style="color:rgb(0,0,0)"><br></span></div><div><span style="color:rgb(0,0,0)">Thanks in advance,<br>Charlotte</span></div><div><br></div><div><div style="color:rgb(136,136,136)"><br></div></div><div><span style="color:rgb(136,136,136)">Charlotte Murphy</span></div><div class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><span style="color:rgb(136,136,136)">PhD Student</span><br style="color:rgb(136,136,136)"><span style="color:rgb(136,136,136)">Department of Psychology</span><br style="color:rgb(136,136,136)"><span style="color:rgb(136,136,136)">University of York,</span><br style="color:rgb(136,136,136)"><span style="color:rgb(136,136,136)">Heslington, York, YO10 5DD, UK</span><br style="color:rgb(136,136,136)"><span style="color:rgb(136,136,136)">Email: cem552</span><span style="color:rgb(34,34,34);background:rgb(255,255,204)">@<a href="http://york.ac.uk" target="_blank">york.ac.uk</a></span><br style="color:rgb(136,136,136)"></div></div></div></div>
</div></div>