ANOVA kernels and RKHS of zero mean functions for model-based sensitivity analysis

Abstract : Given a reproducing kernel Hilbert space H of real-valued functions and a suitable measure mu over the source space D (subset of R), we decompose H as the sum of a subspace of centered functions for mu and its orthogonal in H. This decomposition leads to a special case of ANOVA kernels, for which the functional ANOVA representation of the best predictor can be elegantly derived, either in an interpolation or regularization framework. The proposed kernels appear to be particularly convenient for analyzing the e ffect of each (group of) variable(s) and computing sensitivity indices without recursivity.
Type de document :
Article dans une revue
Journal of Multivariate Analysis, Elsevier, 2013, 115, pp.57-67
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00601472
Contributeur : Nicolas Durrande <>
Soumis le : vendredi 7 décembre 2012 - 18:29:44
Dernière modification le : mardi 23 octobre 2018 - 14:36:08
Document(s) archivé(s) le : lundi 11 mars 2013 - 11:56:07

Fichiers

ANOVA_kernels_for_SA.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00601472, version 2
  • ARXIV : 1106.3571

Citation

Nicolas Durrande, David Ginsbourger, Olivier Roustant, Laurent Carraro. ANOVA kernels and RKHS of zero mean functions for model-based sensitivity analysis. Journal of Multivariate Analysis, Elsevier, 2013, 115, pp.57-67. 〈hal-00601472v2〉

Partager

Métriques

Consultations de la notice

564

Téléchargements de fichiers

437