Я пытаюсь запустить MultiVariate Pattern Analysis для данных fNIRS.Как правило, он используется в МРТ, где люди ищут шаблоны, связанные с активацией, обычно с большим количеством входных функций (сотни вокселей).В fNIRS, однако, у нас очень мало входных функций (около 24 на полушарие).При выполнении анализа на всем полушарии я не получаю значительных различий в точности классификатора, но когда я сокращаю количество признаков до определенной области из 9 каналов, классификатор дает значительные результаты.Может кто-нибудь объяснить мне, почему это так?Когда я изменяю один или несколько каналов, результаты сильно меняются?Лучше использовать большее количество каналов, и поэтому эти результаты являются более надежными?
В этом конкретном случае MVPA использует линейный классификатор SVM.