model op• 데이터 종류: shapemodel × points → measurement
• 호출: import shapestats; shapestats.shape_mahalanobis(model, shape, align: 'bool' = True, cumulative: 'float' = 0.99, n_modes: 'int' = 0)(또는 opsshapestat.get("shape_mahalanobis"))
> 이 연산자의 설명은 아직 번역이 없습니다. 원문을 그대로 싣습니다.
モデルから見てその形がどれだけ異常か。→ float。
`sqrt(sum(score_i^2 / variance_i))` を先頭の何本かに限って足す。
★ 全成分を足してはいけない。 K 個体の群から出る主成分は K-1 本だが、
後ろのほうは分散が数値的なゼロまで落ちる。実測(K=12、N=80、真のモードは
2 本)の分散: ``3.2e-02, 5.6e-03, 4.0e-05, 6.7e-13, 9.7e-14, 9.9e-17, …,
1.0e-31``。この裾で割ると値が意味を失う:
========== =========== ==================
使う本数 群内の個体 0.5 の膨らみを注入
========== =========== ==================
1 0.428 1.821
2 0.885 2.617
3 1.035 18.134
5 1.373 1393035.060
11(全部) 46613.636 9.3e+13
========== =========== ==================
5 本で群内の個体が 1.37 なのに外れが 100 万、11 本では群内ですら 46614。
「異常度」ではなく「数値ゼロで割った回数」を測っている。
そこで既定は**累積寄与率 `cumulative`(0.99)までの成分だけ**を使う。
上の群では 2 本(0.99895)が選ばれ、群内 0.885 / 外れ 2.617 と素直に並ぶ。
`n_modes` を正の数で与えればその本数に固定する(比較のため本数を揃えたい
ときに使う)。どちらを使ったかで値が変わるので、報告するときは本数も一緒に。
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• (아직 없음)
measurement 를 입력으로 받는 것)—
model)shape_pca · shape_project · shape_reconstruct · shape_explained_variance · shape_synthesize
*Provenance: shapestats.py — SHAPESTAT 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.