기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

코틀린의 자료형(2)

두 값의 비교 

비교는 이중등호(==)와 삼중 등호(===)를 사용합니다.

이중등호(==): 값을 비교합니다.
삼중등호(===): 참조 주소를 비교합니다.

코틀린의 자료형은 기본적으로 참조형이며 Int, Double 등의 기본 자료형은 컴파일 단계에서 기본형을 전환됩니다.

val a: Int = 128
val b: Int = 128
println(a == b)
     true //위 두 객체의 값이 같으므로 true
println(a === b)
     true

컴파일 후 두 객체 a와 b는 기본형으로 전환되어 stack 메모리에 저장된다. 그러므로 그들의 저장위치는 같습니다.
val a: Int = 128
val c: Int? = 128
println(a == c)
     true
println(a === c)
     false

위의 두 객체 a, c의 자료형은 각각 Int과 nullable Int입니다. 컴파일 단계에서 Int는 기본형으로 전환되지만 nullable Int는 참조형으로 유지됩니다. 그러므로 Int는 stack 메모리에, nullable  Int는 heap에 저장됩니다. 즉, 둘의 참조주소는 다릅니다.

다음 코드는 참조형과 기본형의 구분을 위한 것입니다.

fun main() {
    val a: Double = 1e15
    val b = a

    println(a === b) // 자료형이 기본형인 int가 되어 값이 동일 true
    val c: Double? = a
    val d: Double? = a
    val e: Double? = c
    println(c == d) // 값의 내용만 비교하는 경우 동일하므로 true
    println(c === d) // 값의 내용은 같지만 참조를 비교해 다른 객체(주소 다름)이므로 false
    println(c === e) // 값의 내용도 같고 참조된 객체도 동일(주소 동일)하므로 true
}
      true
      true
      false
      true

위 코드에서
a: Double형으로 컴파일 후 기본형이 됩니다.
b: 객체 a의 자료형과 값 모두 할당 받은 것으로 역시 기본형이 됩니다.
   그러므로 이 둘은 모두 stack 메모리에 저장되므로 값과 참조 주소 모두 같습니다.
c 와 d: 객체 a의 값만을 할당받지만 자료형은 Nullable Double 형을 참조형이 됩니다.
 c와 d의 경우는 같은 값을 할당 받지만 참조형으로 heap 메모리에 각기 다른 위치에 저장됩니다. 그러므로 이 둘의 참조주소가 다릅니다.
e:  객체e는 c의 동일한 값과 자료형을 갖습니다. 그러므로 객체 e는 객체 c와 같은 위치를 참조하게 됩니다.

다음 그림과 같이 나타낼 수 있습니다.

스마트캐스트

코틀린에서 자료형은 다음의 의미가 있습니다.

1) 그 객체가 저장되는 크기를 규정
2) 객체들의 치환, 연산등의 실행 여부 즉, 동일한 자료형을 가져야만 실행됩니다.

예를들어 Int형과 Double 형의 연산은 이루어지지 않습니다.

val a: Int = 17
val b: Double= a
println(b)
     error: type mismatch: inferred type is Int but Double was expected
                  val b: Double= a

객체 a와 b의 자료형이 다르기 때문에 객체 b에 a의 할당은 이루어지지 않습니다.
이러한 경우 스마트 캐스트가 적용되는 자료형을 사용하면 할당되는 값에 따라 자료형이 지정됩니다.
Number 형은 숫자를 저장하기 위한 특별한 자료형을 만드는 대표적인 스마트 캐스트가 적용되는 자료형입니다.

val a: Int = 17
val b: Number=a
println(b)
     17

위 코드에서 a는 Int형입니다. Number로 지정된 객체 b의 경우 할당되는 값에 따라 자료형이 결정됩니다.

val a: Int = 17
var b: Number=a
println(b)
     17

b is Int
     res12: kotlin.Boolean = true

b=3.14
b
     res13: kotlin.Number = 3.14

b is Double
     res14: kotlin.Boolean = true

위 코드에서 b는 그 객체에 전달되는 값에 따라 자료형이 결정됩니다.

Any

스마트 캐스트와 같은 과정을 가지는 자료형으로 "Any"를 사용합니다. 

Any는 kotlin에서 작성하는 모든 클래스의 가장 상단에 놓여있는 수퍼클래스입니다.
다시말하면 모든 클래스가 Any를 상속받을 수 있습니다.

결과적으로 Any로 선언된 변수의 경우 다양한 종류의 값들이 할당될 수 있다는 것을 의미합니다.

var a: Any=3
a is Int
     res15: kotlin.Boolean = true

a=3.14
a is Double
     res16: kotlin.Boolean = true

a="kotlin"
a
     res17: kotlin.Any = kotlin
a is String
     res18: kotlin.Boolean = true



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