1樓：書樹
借這個問題整理下知識
可用mvpa的演算法模型非常多。mvpa這個概念可以看作是相對於localization而言的，localization做的是區域內的平均啟用，mvpa做的是啟用的空間模式（或者帶上時間模式）。mvpa可以做整體也可以做區域性，也可以在localization的結果上進一步做。
然後這裡有一組概念需要澄清：多元vs多體素。多元指的不是多體素，也不是多腦區，你完全可以用一元方法遍歷地對比n多個腦區和體素，然後找出一些一元的模式，比如A體素和B體素總是對立地啟用，或者用兩組任務下的資料建立多體素的一元線性模型。
這不是多元方法。
表徵相似性分析RSA是mvpa的一種，或者說一種推廣應用，與其他mvpa方法的區別從它的名字上就能看出來。它主要分析的是：不同表徵系統（可以是不同的人類被試的大腦、可以是人腦和猴腦、也可以是計算神經模型和人腦、甚至是人工智慧深度網路和人腦）在各個刺激任務上的差異性。
會得到乙個表徵差異性矩陣RDM。再在這個矩陣的基礎上去看兩個系統對各種刺激的啟用模式的相似性有多高，從中找出一些有意思的結果。比如，如果人看到人臉和猴子看到猴臉的時候的表徵差異性小，但人看到人臉和猴子看到人臉的時候表徵差異性大，這就挺有趣也挺insight不是麼？
（只是隨口舉個例子，不是真實的研究結果）最後，使用RSA的前提是兩個系統間要能線性擬合。
目前能理解到的就這麼多，有錯誤請指出
實用的資料分析方法有哪些
現在的大資料的流行程度不用說大家都知道，大資料離不開資料分析，而資料分析的方法和資料分析模型多種多樣，按照資料分析將這些資料分析方法與模型分為對比分析 分類分析 相關分析和綜合分析四種方式，這四種方式的不同點前三類以定性的資料分析方法與模型為主，綜合類資料分析方法與模型是注重定性與定量相結合。在資料...
資料分析時資料缺失，有哪些處理方法？
小崔學資料分析 4種方法處理缺失值 用資料的統計值代替缺失值。比如，平均值。統計模型統計出來的值代替缺失值。缺失值數量占此很低且不影響整體的資料分析，缺失值保留。 BurningTree 填充 用前值 後值 均值 中位數 任意指定值填充去掉該資料或者該資料所在的行 列 單個樣本擬合 插值 樣條插值 ...
商業資料分析中如何從資料結合業務分析？
蛛網時代 這個需要您統計得更加詳細些，至於具體的原因需要您自己分析判斷，依託於資料，現在並沒有那麼只能 像這種，只是給您決策使用的，現在機器還代替不了人的決策 網感至察 你可以對各類資料進行收集 治理 分析 挖掘和利用，將內外資料打通，提公升資料的有效性，建立規範的資料系統。網感至察 網感發布資料工...