기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

댓글 쓰기

관찰치에 대응되는 참조그룹의 보고

이전 포스트에서 DataFrame을 list로 전환:rand(), list comprehension 와 DataFrame을 list로 전환:rand(), list comprehension 를 통해 참조 그룹을 설정하고 관찰치가 어느 그룹에 속하는지를 반환하는 함수를 작성하였다.
이번에는 그 결과를 DataFrame 형식으로 테이블을 만들어 보자.
우선 표의 한 열에 각행에 구간의 (시작값과 마지막 값]을 표시하고 다른 열에는 대상 데이터가 어느 구간에 속함을 대상데이터의 이름을 입력한다.
다음 함수는 DataFrame 형식으로 각 행에 (시작값과 마지막 값]을 표시한다.

def DisplayPreIntervalS(inter):
    inter1=[]
    for i in range(1, len(inter)):
        inter2="("+str(inter[i-1])+','+str(inter[i])+']'
        inter1.append(inter2)
    inter1=np.array(inter1)
    return(inter1)

위 함수에서 문자열의 '+' 연산자는 각 문자(열) 사이를 이어주는 역할을 적용한다.

In [1]: import numpy as np
In [2]: import pandas as pd

In [3]: x=np.round(np.random.rand(3, 4)*10, 1)
In [4]: xdf=pd.DataFrame(x)
In [5]: refd=mkRefdS(xdf, 2) In [6]: print(refd)
[ 3.5 1. 3.6 0.3 5.4 2.5 5.9 5.7 6.9 9.6 8.3 3.3]

 In [7]: obs=pd.DataFrame(obs, index=["a","b","c","d"]) In [8]: obs
Out[8]:
0
a4.2
b1.0
c8.8
d7.8


In [9]: inter, re=matchingObsS(obs.ix[:,0], refd)
In [10]: inter
Out[10]:array([ 0.3, 1.3, 2.4, 3.4, 4.4, 5.5, 6.5, 7.5, 8.6, 9.6])
In [11]: re
Out[11]:{'a': 3, 'b': 0, 'c': 8, 'd': 7}

In [12]: re1=DisplayPreIntervalS(inter)
In [13]: re1
Out[13]: array(['(0.3,1.3]', '(1.3,2.4]', '(2.4,3.4]', '(3.4,4.4]', '(4.4,5.5]',
'(5.5,6.5]', '(6.5,7.5]', '(7.5,8.6]', '(8.6,9.6]'],
dtype='<U9')

위의 결과와 코드 11의 결과를 하나의 테이블로 나타내기 위해 다음 함수를 작성하였다.
이 함수의 인수 inter는 위의 re1이고 mch는 re이다.

def DisplayMatchPreObsS(inter, mch): re=[0]*len(inter) key=list(mch.keys()) val=list(mch.values()) m=0 for i in val: if re[i] !=0: re[i]=re[i]+','+key[m] else: re[i]=key[m] m=m+1 re1=pd.DataFrame(np.c_[inter,re]) re1.columns=['Interval','obs'] return(re1)

위 함수의 기본 생각은 길이가 inter의 행의 수만큼인 각 값이 0인 리스트를 생성한다.
각 행의 번호(이름)과 위 결과 re의 values와 같은 인덱스를 나타낸다. 그러므로 모든 값이 0인 리스트의 인덱스와 values가 같은 위치에 그에 대응하는 keys값을 입력한다.
예를 들어 위의 결과 re에서 values=3에 대응하는 keys='a'이다. 그러므로
리스트[3]='a'를 입력한다.
또한 다른 별개의 re의 원소중 values가 같으면 그에 해당하는 문자가 결합되도록 if 조건문을 사용하였다.
In [14]: re2=DisplayMatchPreObsS(re1, re) In [15]: re2
Out[15]: 
Intervalobs
0(0.3,1.3]b
1(1.3,2.4]0
2(2.4,3.4]0
3(3.4,4.4]a
4(4.4,5.5]0
5(5.5,6.5]0
6(6.5,7.5]0
7(7.5,8.6]d
8(8.6,9.6]c



Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같
댓글 쓰기
Read more »

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()
댓글 쓰기
Read more »

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b
댓글 쓰기
Read more »