分段线性拟合matlab代码-pcitpy:用Python实现的概率曲线归纳和测试（P-CIT）工具箱

分段线性拟合matlab代码PCITpy 用Python实现的概率曲线归纳和测试（P-CIT）工具箱。 PCITpy是概率曲线归纳和测试（P-CIT）工具箱的基于Python的复制。 开发工具箱以估计将预测变量与因变量相关联的曲线的形状，例如记忆激活与后续记忆调用的fMRI分类器估计）。 P-CIT最初是专门为解决Detre等人（2013）的数据分析中出现的一系列问题而设计的。 研究人员想估计将无思维试验中的分类器输出与最终记忆测试的性能相关联的函数的形状，从而得出对该函数与他们的理论的吻合程度的整体估计。 但是，原则上，它们描述的曲线拟合过程可用于估计任何类型的函数的形状（只要该函数可以由具有3个线段的分段线性函数近似；尽管即使不能，可以修改代码以使用更复杂的功能）。 该过程的主要好处是，它允许用户估计“真实”基础曲线满足某些（任意指定）条件的后验概率。 已经有一些测试简单线性和二次关系的现有方法，但是当所测试的理论预测更复杂的形状时，这些方法就不足。 例如，根据Detre等人正在测试的理论。 在纸上，曲线应先下降到零以下，然后再上升到零以上； 同样，研究人员对最右边点的位置不了解，