doe_saltelli — MULTIVAR `sensitivity` op

• データ種: なし → design(引数だけで決まる op —— 画像やデータの入力を取らない)

• 呼び出し: import fullseye as fs; fs.ledger.doe_saltelli(n=1024, factors=3, seed=0) -> 'dict' (実装を直接呼ぶなら import sensitivity; sensitivity.doe_saltelli(n=1024, factors=3, seed=0) -> 'dict'、台帳から引くなら opsmultivar.get("doe_saltelli"))

使い方

Sobol' 指数のための標本行列(Saltelli ら 2010)-> n (k + 2) 回の design。

> 以下の詳細説明は原文のままです —— 要約と見出しは訳出済み。

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.

詳しい使い方ガイド

• design_of_experiments ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• sensitivity_tour — py -3.11 examples/sensitivity_tour.py

型が繋がる次の op(`design` を入力に取れる)

doe_decode · rsm_fit · doe_main_effects · sens_morris · sens_sobol

同カテゴリ(`sensitivity`)

doe_morris · sens_morris · sens_sobol

*Provenance: sensitivity.py — MULTIVAR operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

doe_saltelli — MULTIVAR sensitivity op

使い方