<span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">Hi Yaroslav,</span><br style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;"><p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">Thank you so much for your reply!</span></p><p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">''</span>how many tries for each of those 2 conditions do you have?</p>how many subjects do you have?''<p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">There are 30 trials for each condition and I have 48 subjects.</span></p><p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;"><br></span></p><p>''what was design (block or even-related, ISI, randomized how)?''</p><p>It was a variable-ISI ranging from 4-6 sec event-related design experiments. </p><p><br></p><p>''is that bold.nii.gz already those beta maps or original data?''</p><p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">Yes, the bold.nii.gz is already the beta maps. </span></p><p><span style="font-family: Verdana, 宋体, Helvetica, sans-serif; font-size: 14px; line-height: 23.24px;">How could I set the partitioner for 5 fold or leave one out cross-validation?</span></p><p><br></p><p>Thanks in advance!</p><p>Best,</p><p>Bin Liu</p><div id="origbody"><div style="background: #f2f2f2;">----- 原始邮件 -----<br>发件人：Yaroslav Halchenko <debian@onerussian.com><br>收件人：ibinliu@sina.com, Development and support of PyMVPA <pkg-exppsy-pymvpa@lists.alioth.debian.org><br>主题：Re: [pymvpa] pymvpa help<br>日期：2016年02月15日 22点42分<br></div><br><br>On Sun, 14 Feb 2016, ibinliu@sina.com wrote:<br>>    My experiment contained 2 tasks (only 1 run). <br>it is quite unfortunate that you have only a single run.  but let's<br>see...<br>> I performed single trial<br>>    analysis to generate a beta map for every trial. I'd like to run<br>>    classification analysis on these beta maps.<br>how many tries for each of those 2 conditions do you have?<br>how many subjects do you have?<br>what was design (block or even-related, ISI, randomized how)?<br>>    The first column of attributes was taskA, taskA, ..., taskB, taskB... and<br>>    the second column were 0s (since I only got 1 run).<br>>    Is this right?<br>>    For each suject, I merged all the beta images into a single 4D file and<br>>    used attr = SampleAttributes('attributes.txt') and<br>>    ds=fmri_dataset(samples=a**bold.nii.gza**, targets=attr.targets,<br>>    chunks=attr.chunks, mask=a**mask.nii.gza**) to load data.<br>is that bold.nii.gz already those beta maps or original data?<br>>    How should I perform normalization? just zscore(ds)?<br>should do it<br>>    I want to run cross-validation (say 5 fold or leave-one-out), how could I<br>>    set the partitioner?<br>It is somewhat depends on above questions<br>-- <br>Yaroslav O. Halchenko<br>Center for Open Neuroscience     http://centerforopenneuroscience.org<br>Dartmouth College, 419 Moore Hall, Hinman Box 6207, Hanover, NH 03755<br>Phone: +1 (603) 646-9834                       Fax: +1 (603) 646-1419<br>WWW:   http://www.linkedin.com/in/yarik        <br></div>