cosanlab/nltools

Improve auto-correlation estimation during regression

Geschlossen

#307 geöffnet am 22.07.2019

Auf GitHub ansehenContributor Guide
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (48 Forks)github user discovery
enhancementhelp wanted

Repository-Metriken

Stars
 (130 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Currently, we do a pretty crude ARMA model if the user wants to model auto-correlations. We have a few options to improve this:

  1. AFNI style: implement our own limited grid search of ARMA parameters per voxel rather than unconstrained optimization in statsmodels (currrent) - probably the trickiest and slowest
  2. Implement pre-whitening routines by first estimating OLS, then using the residuals of order N to adjust the data, and finally fit OLS again. Nistats has an implentation of this: see this and this.
  3. Port over SPMs new FAST routine which does something like using basis-sets of covariance matrices to account for auto-correlation

Contributor Guide

Research-Richtung
Studieren Sie die aktuelle ARMA Implementierung im Codebase und erkunden Sie dann die drei genannten Verbesserungsoptionen: 1) AFNI ähnliche Gittersuche, 2) Nistats Pre Whitening, 3) FAST Routine. Bewerten Sie die Rechenkomplexität und Genauigkeit jedes Ansatzes für neuroimaging Zeitreihendaten.
Tech Stack
python
Domain
data
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonStatistics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
45