MVPA 与输入特征的数量有关

Question

我正在尝试对 fNIRS 数据运行多变量模式分析。通常，它已用于 fMRI，人们在其中搜索与通常具有大量输入特征（数百个体素）的激活相关的模式。然而，在 fNIRS 中，我们的输入特征非常少（每个半球大约 24 个）。在整个半球上运行分析时，分类器的准确性没有任何显着差异，但是当我将特征数量减少到 9 个通道的特定区域时，分类器会给出显着的结果。谁能向我解释为什么会这样？当我改变一个或多个频道时，结果会发生很大变化吗？使用更多的通道是否更好，因此这些结果更可靠？

在这种特殊情况下，MVPA 使用 SVM 线性分类器。

Answer 1

这不是 fNIRS 技术的特定问题。增加特征数量并不一定会提高分类器的性能。一些 fNIRS 通道可能会在类之间引入类似的模式，从而导致性能下降。

我建议查看此 fNIRS 工作以了解更多详细信息： https://www.sciencedirect.com/science/article/abs/pii/S0169260719324344

最好， 塞尔吉奥·诺维