기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

극한의 특성과 계산

극한의 특성

$\lim_{x \to a}f(x), \;  \lim_{x \to a}g(x)$ 그리고 상수(constant) c사이에 다음 관계들이 성립합니다.

import numpy as np
import pandas as pd
from sympy import *
import matplotlib.pyplot as plt
x=symbols("x")
f=x**2+3*x
g=x**3+4*x+5
c=3
a=2
f
$\quad \color{blue}{x^{2} + 3 x}$
g
$\quad \color{blue}{x^{3} + 4 x + 5}$

1) $\displaystyle \lim_{x \to a}cf(x)=c\lim_{x \to a}f(x)$

limit(c*f, x, a)
30
c*limit(f, x, a)
30

2) $\displaystyle \lim_{x \to a}[f(x) \pm g(x)]=\lim_{x \to a}f(x) \pm \lim_{x \to a}g(x)$

limit(f+g, x, a)
31
limit(f, x, a)+limit(g, x, a)
31

3) $\displaystyle \lim_{x \to a}[f(x) g(x)]=\lim_{x \to a}f(x)  \lim_{x \to a}g(x)$

limit(f*g, x, a)
210
limit(f, x, a)*limit(g, x, a)
210

4) $\displaystyle \lim_{x \to a}\frac{f(x)}{g(x)}=\frac{\lim_{x \to a}f(x)}{\lim_{x \to a}g(x)}, \quad \lim_{x \to a}g(x)\neq 0$

limit(f/g, x, a)
$\quad \color{blue}{\displaystyle \frac{1}{21}}$
limit(f, x, a)/limit(g, x, a)
$\quad \color{blue}{\displaystyle \frac{1}{21}}$

5) $\lim_{x \to a}[f(x)]^n=[\lim_{x \to a}f(x)]^n, \quad n \in\;$실수

limit(f**c, x, a)
1000
limit(f, x, a)**c
1000

6) 5)와 같은 특성으로 n 제곱근에서도 성립합니다.

$$\lim_{x \to a}\sqrt[n]{f(x)}=\sqrt[n]{\lim_{x \to a}f(x)}, \quad n \in\; \text{실수}$$
N(limit(f**(1/c), x, a), 4)
2.154
N((limit(f, x, a))**(1/c), 4)
2.154

7) 실수의 극한값은 그 자신이 됩니다.

$$\lim_{x \to a} c = c$$
limit(c, x, a)
3

8)$\displaystyle \lim_{x \to a}x=a$
a=2에서의 극한값은 2입니다.<\p>

f=x
a=np.r_[np.linspace(1.9, 1.999, 5), np.linspace(2.001, 2.1, 5)]
y=np.array([f.subs(x, i) for i in a], dtype=float)
np.array([a, y]).T
array([[1.9    , 1.9    ],
       [1.92475, 1.92475],
       [1.9495 , 1.9495 ],
       [1.97425, 1.97425],
       [1.999  , 1.999  ],
       [2.001  , 2.001  ],
       [2.02575, 2.02575],
       [2.0505 , 2.0505 ],
       [2.07525, 2.07525],
       [2.1    , 2.1    ]])
limit(f,x, 2)
2

9) $\displaystyle \lim_{x \to a}x^n=a^n$

f=x**4
a=np.r_[np.linspace(1.9, 1.999, 5), np.linspace(2.001, 2.1, 5)]
y=np.array([f.subs(x, i) for i in a], dtype=float)
np.array([a, y]).T
array([[ 1.9       , 13.0321    ],
       [ 1.92475   , 13.7245247 ],
       [ 1.9495    , 14.4441822 ],
       [ 1.97425   , 15.19177735],
       [ 1.999     , 15.96802399],
       [ 2.001     , 16.03202401],
       [ 2.02575   , 16.84005053],
       [ 2.0505    , 17.6782428 ],
       [ 2.07525   , 18.54734243],
       [ 2.1       , 19.4481    ]])
limit(f,x, 2)
16

예 1)

$$\lim_{x \to -2}(3x^2+5x-9)= \lim_{x \to -2}3x^2+\lim_{x \to -2}5x+\lim_{x \to -2}-9$$
f=3*x**2+5*x-9
limit(f, x, -2)
-7
limit(3*x**2, x, -2)+limit(5*x, x, -2)+limit(-9, x, -2)
-7

예 2)

$$\lim_{x \to 2}\frac{t^2+4t-12}{t^2-2t}$$

위 함수는 x=0에서 분모가 0이 되므로 정의할 수 없습니다. 그러므로 0을 기준으로 별도의 영역에서 함수의 형태는 다음과 같습니다.

t=symbols("t")
f=(t**2+4*t-12)/(t**2-2*t)
f
$$\quad \color{blue}{\displaystyle \frac{t^{2} + 4 t - 12}{t^{2} - 2 t}}$$
x1=np.linspace(-3, -0.1, 100)
x2=np.linspace(0.1, 3, 100)
y1=np.array([f.subs(t, i) for i in x1], dtype="float")
y2=np.array([f.subs(t, i) for i in x2], dtype="float")
plt.figure(dpi=80)
plt.plot(x1, y1, label="t > 0")
plt.plot(x2, y2, label="t < 0")
plt.scatter(2, 4, color="green")
plt.xlabel("t", size=12, weight="bold")
plt.ylabel("f(t)", size=12, weight="bold")
plt.legend(loc='best')
plt.text(-3, 40, r"f(t)=$\mathbf{\frac{t^{2} + 4 t - 12}{t^{2} - 2 t}}$", size="13")
plt.show()

위 그림에서와 나타낸 것과 같이 t=2에 대한 f(t)값은 4입니다. 이 값은 f(t)를 인수분해에 의해 간단한 형태로 변환한 뒤 계산한 결과입니다.

f1=f.simplify()
f1
$\quad \color{blue}{\displaystyle \frac{t + 6}{t}}$
f1.subs(t, 2)
4

이 결과는 limit() 함수를 적용한 경우와 같습니다.

limit(f, x, 2)
4

예 3)

$$\lim_{x \to 0}\frac{2(-3+x)^2-18)}{x}$$
f=(2*(-3+x)**2-18)/x
limit(f, x, 0)
-12

댓글

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

[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()

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