Aberrant social behavior is a core feature of many neuropsychiatric disorders, yet the study of complex social behavior in freely moving rodents is relatively infrequently incorporated into preclinical models. This likely contributes to limited translational impact. A major bottleneck for the adoption of socially complex, ethology-rich, preclinical procedures are the technical limitations for consistently annotating detailed behavioral repertoires of rodent social behavior. Manual annotation is subjective, prone to observer drift, and extremely time-intensive. Commercial approaches are expensive and inferior to manual annotation. Open-source alternatives often require significant investments in specialized hardware and significant computational and programming knowledge. By combining recent computational advances in convolutional neural networks and pose-estimation with further machine learning analysis, complex rodent social behavior is primed for inclusion under the umbrella of computational neuroethology. Here we present an open-source package with graphical interface and workflow (Simple Behavioral Analysis, SimBA) that uses pose-estimation to create supervised machine learning predictive classifiers of rodent social behavior, with millisecond resolution and accuracies that can out-perform human observers. SimBA does not require specialized video acquisition hardware nor extensive computational background. Standard descriptive statistical analysis, along with graphical region of interest annotation, are provided in addition to predictive classifier generation. To increase ease-of-use for behavioural neuroscientists, we designed SimBA with accessible menus for pre-processing videos, annotating behavioural training datasets, selecting advanced machine learning options, robust classifier validation functions and flexible visualizations tools. This allows for predictive classifier transparency, explainability and tunability prior to, and during, experimental use. We demonstrate that this approach is flexible and robust in both mice and rats by classifying social behaviors that are commonly central to the study of brain function and social motivation. Finally, we provide a library of pose-estimation weights and behavioral predictive classifiers for resident-intruder behaviors in mice and rats. All code and data, together with detailed tutorials and documentation, are available on the SimBA GitHub repository.### Competing Interest StatementThe authors have declared no competing interest.

Summary Sexual and aggressive behaviors are two evolutionarily conserved social behaviors vital for an animal’s survival and reproductive success. While an increasing number of brain regions in the limbic system have been identified as functionally relevant for these two types of behaviors, an understanding of how social cues are represented across brain regions and how social behaviors are generated via this network activity remains elusive. To gain a holistic view of the neural responses during social behaviors, we utilized multi-fiber photometry to simultaneously record Ca 2+ signals of estrogen receptor alpha (Esr1) -expressing cells from 13 limbic brain regions in male mice during sexual and aggressive behaviors and compare the response magnitude and temporal patterns across regions. We find that conspecific sensory information, as well as social action initiation signals, are widely distributed in the limbic system and can be decoded from the network activity. Cross-region correlation analysis reveals striking increases in functional connectivity in the network during the action initiation phase of social behaviors whereas advanced copulation is accompanied by a “dissociated” network state. Based on the response patterns, we propose a mating-biased network (MBN) and an aggression-biased network (ABN) for mediating male sexual and aggressive behaviors, respectively.