<div dir="ltr"><div dir="auto"><div dir="ltr">Hi Anaelia,<div><br></div><div>I wouldn't necessarily be concerned about the <50% classification rate. If you have 6 classes, your chance rate is ~16.7%. I'd expect a "high" classification rate for 1/6 to be something in the 25-35% range. If you're doing searchlight, you should see a normal-ish looking distribution with a mode around 16-17%.</div><div><br></div><div>When it comes to HRF modeling events for classification, I mostly see people take two routes:</div><div><br></div><div>1) Model one regressor for each event type (> baseline) per run, so you'll get 60 images, and each fold will train on 54 and test on 6.</div><div>2) Model one regressor for each individual event, so supposing you have 30 events of each type plus ten baseline per run, after z scoring, each fold will train on 1620 images and test on 180.</div><div><br></div><div dir="auto">The former tends to produce much higher cross-validation accuracies than the latter, because the variance of each class within runs is removed. It's also much faster, and HRF estimation is more stable if you're not modeling individual events.</div><div dir="auto"><br></div><div>The latter is nice if conceptually what you want is to predict individual responses. I like this because the results are more intuitively interpretable. Estimation stability is an issue here for individual events, and I'd recommend checking out Mumford et al 2011 (<a href="https://dx.doi.org/10.1016/j.neuroimage.2011.08.076">https://dx.doi.org/10.1016/j.neuroimage.2011.08.076</a>). In our 2016 paper (<a href="https://dx.doi.org/10.1016/j.neuroimage.2016.07.023">https://dx.doi.org/10.1016/j.neuroimage.2016.07.023</a>), we used a variation on their method (see especially p178 ¶5 and p187 ¶1).</div><div><br></div><div>For your second question: What do you mean by a "map for each class"? I'm not really sure where to start here, without a better idea of what you want the content of the map to be.</div><div><br></div><div>Best,</div><div>Chris Markiewicz</div><div><br></div><div><br></div></div></div><div class="gmail_extra"><div class="gmail_quote">On Tue, Mar 21, 2017 at 7:12 PM, Anaelia Ovalle <span dir="ltr"><<a href="mailto:anaeliaovalle@gmail.com" target="_blank">anaeliaovalle@gmail.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div dir="ltr"><div class="gmail_default" style="font-family:georgia,serif"><span style="font-family:arial,sans-serif;font-size:12.8px">Hi all, </span><div style="font-family:arial,sans-serif;font-size:12.8px"><br></div><div style="font-family:arial,sans-serif;font-size:12.8px">I am a relatively new pyMVPA user and have 2 questions.</div><div style="font-family:arial,sans-serif;font-size:12.8px"><br></div><div style="font-family:arial,sans-serif;font-size:12.8px">1) </div><blockquote style="font-family:arial,sans-serif;font-size:12.8px;margin:0px 0px 0px 40px;border:none;padding:0px"><div>I'm working with 10 chunks of data (190 rows each) with 6 classes + baseline and am looking to classify them using a linear classifier however my results are <50%. I think there's something wrong with how I may be setting this up. Being that this is a rapid-event design, I'm looking to classify groups of voxel activity to their respective classes. In the tutorial, I use a zscored and polydetrended dataset and apply:</div><div><br></div><div><font face="monospace, monospace">clf = LinearCSVMC()</font></div><div><font face="monospace, monospace">cvte = CrossValidation(clf, NFoldPartitioner(), </font></div><div><font face="monospace, monospace">            errorfx= lambda p,t: np.mean(p==t),enable_ca=['stat<wbr>s'])</font></div><div><font face="monospace, monospace">cv_results = cvte(df)</font></div><div><br></div><div><br></div><div><b>However, </b>since this is an event based task (where the subject's answer is placed into a certain class), shouldn't I instead be looking to do an event-related analysis, shown in : <a href="http://www.pymvpa.org/tutorial_eventrelated.html" target="_blank">http://www.pymvpa.org/tutori<wbr>al_eventrelated.html</a> ? Here, would I first do some response modeling via fitting a hemodynamic response model? If so, how does this fit into my pattern classification?</div></blockquote><div style="font-family:arial,sans-serif;font-size:12.8px"><br></div><blockquote style="font-family:arial,sans-serif;font-size:12.8px;margin:0px 0px 0px 40px;border:none;padding:0px">Any clarification regarding these steps would be appreciated.</blockquote><div style="font-family:arial,sans-serif;font-size:12.8px"><div><br></div><div>2)  </div></div><blockquote style="font-family:arial,sans-serif;font-size:12.8px;margin:0px 0px 0px 40px;border:none;padding:0px">My final goal after classifying neuronal activity is to then have a map for each class. Is this the same as doing a sensitivity mapping with the pyMVPA functions for this? </blockquote><div style="font-family:arial,sans-serif;font-size:12.8px"><div><br></div><div><br></div><div>Thank you, </div><span class="gmail-m_-4152692342749933668m_7061439669375277516HOEnZb"><font color="#888888"><br><div class="gmail-m_-4152692342749933668m_7061439669375277516m_4887374273477136986gmail-m_414721515724674450gmail_signature"><div dir="ltr">Anaelia Ovalle</div></div></font></span></div></div><div><br></div><div class="gmail-m_-4152692342749933668m_7061439669375277516m_4887374273477136986gmail_signature"><br></div>
</div>
<br>______________________________<wbr>_________________<br>
Pkg-ExpPsy-PyMVPA mailing list<br>
<a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org" target="_blank">Pkg-ExpPsy-PyMVPA@lists.alioth<wbr>.debian.org</a><br>
<a href="http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa" rel="noreferrer" target="_blank">http://lists.alioth.debian.org<wbr>/cgi-bin/mailman/listinfo/pkg-<wbr>exppsy-pymvpa</a><br></blockquote></div><br></div>
</div>