doe_saltelli — MULTIVAR `sensitivity` op

• 데이터 종류: 없음 → design(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import fullseye as fs; fs.ledger.doe_saltelli(n=1024, factors=3, seed=0) -> 'dict'(구현을 직접 호출하려면 import sensitivity; sensitivity.doe_saltelli(n=1024, factors=3, seed=0) -> 'dict', 원장에서 가져오려면 opsmultivar.get("doe_saltelli"))

사용법

Sobol' 지수를 위한 표본 행렬(Saltelli 등 2010) -> n (k + 2)회의 design.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

A Sobol' sequence of dimension 2k gives two independent n x k matrices A (first k columns) and B (last k). For each factor i, A_B^(i) is A with column i taken from B. Rows are stacked as [A; B; A_B^(1); ...; A_B^(k)] (meta['blocks']), which is the layout sens_sobol reads.

n must be a power of two: the balance properties of a Sobol' sequence hold for 2^m points, and the estimators' error behaves erratically otherwise — the op refuses rather than silently degrading. seed scrambles the sequence (Owen scrambling via scipy); seed=None uses the plain sequence.

자세한 사용 가이드

• design_of_experiments 패밀리 가이드

참고(샘플 데이터·문헌)

• 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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• sensitivity_tour — py -3.11 examples/sensitivity_tour.py

타입이 이어지는 다음 연산자(`design` 를 입력으로 받는 것)

doe_decode · rsm_fit · doe_main_effects · sens_morris · sens_sobol

같은 카테고리(`sensitivity`)

doe_morris · sens_morris · sens_sobol

*Provenance: sensitivity.py — MULTIVAR 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

doe_saltelli — MULTIVAR sensitivity op

사용법