mv_residual_pca — MULTIVAR `identifiability` op

• 데이터 종류: matrix → table

• 호출: import fullseye as fs; fs.ledger.mv_residual_pca(R=None, noise_sigma=None, n_perm=100, seed=0) -> 'dict'(구현을 직접 호출하려면 import sensitivity; sensitivity.mv_residual_pca(R=None, noise_sigma=None, n_perm=100, seed=0) -> 'dict', 원장에서 가져오려면 opsmultivar.get("mv_residual_pca"))

사용법

적합한 모델의 잔차에 아직 구조가 남아 있는가: 잔차 행렬의 PCA와 잡음 비교.

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

R is (observations x variables) — e.g. one row per image, one column per pixel or feature, holding measured minus simulated. It is not centred: a bias common to every observation is itself a structure the model lacks.

A component counts as structural when its singular value exceeds the noise edge:

• with noise_sigma (e.g. the temporal noise from an EMVA 1288 characterisation): the largest singular value of an n x p matrix of i.i.d. noise is about sigma (sqrt(n) + sqrt(p)) (Marchenko-Pastur edge), used as the threshold;

• without it: permutation parallel analysis (Buja & Eyuboglu 1992) — each column is shuffled independently n_perm times, which keeps every column's distribution but destroys structure shared across columns, and component i must beat the 95th percentile of the shuffled i-th singular values. (It cannot see a structure that lives inside single columns, e.g. a constant bias column — use noise_sigma for that.)

Returns the singular values, the threshold(s), n_structural, the share of the residual energy in the structural components, and their loadings (reshape a loading to the image shape to see *where* the model is wrong) and scores.

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(`table` 를 입력으로 받는 것)

—

같은 카테고리(`identifiability`)

mv_confounding

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

mv_residual_pca — MULTIVAR identifiability op

사용법