기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

코틀린 변수정의

변수정의 

자료형은 저장되는 데이터의 크기를 구분하는 기준이 되므로
변수를 정의할 때 자료형을 함께 선언합니다.
그러나 코틀린의 경우 변수를 선언할 때 최초로 정된 값에 따라 자료형을 유추합니다.
이를 변수의 초기화(initialiation)이라고 합니다.
코틀린은 이 초기값에 따라 변수의 자료형을 유추하므로 자료형의 지정은 생략가능합니다.
그러므로 변수 할당시 초기값 할당 즉,변수의 초기화는 반드시 이루어져야 합니다.

코틀린에서 변수를 선언하는 방법은 두 가지로 구분됩니다.
즉, 키워드 val, var을 사용하여 변수를 지정하는데 그 내용은 다음과 같습니다.

val: 한번만 할당 가능한(읽기전용) 로컬 변수정의 키워드 (변수를 재이용할 수 없음)
val 변수명:자료형 = 값
var: 변경가능한 변수 정의 키워드 (변수를 재이용할 수 있음)
var 변수명:자료형 = 값

val a:Int=1  // 즉시 할당
a
1

val b=2 // “Int” 타입으로 추론
b
2

var x=5//'int'타입으로 추론
x +=1
x
6

val에 의한 변수는 정의 후에 값을 할당할 수 있습니다.

val x=3
var re:String
if (x%2==0){re="짝수"}
else {re="홀수"}
re
      홀수

위의 경우 조건문을 직접 변수의 초기값으로 지정할 수 있습니다.
즉, 표현에 의해 값이 생성되는 expression(식)은 변수의 값으로 직접 할당할 수 있습니다.

val x=3
var re:String =if (x%2==0){"짝수"}else {"홀수"}
re       홀수

val에 의한 변수정의에서 그 값은 변할 수 없다고 했습니다.
그러나 수정할 수 없는 것은 값이라기 보다는 객체입니다.

val arr=arrayOf(1, 2,3)
for(i in arr){print("${i}   ")}
      1   2   3 

arr[2]=20
for(i in arr){print("${i}   ")}
      1   2   20   

다음의 경우는 val에 의해 array 객체를 선언할 경우
그 객체의 원소의  수정가능하지만
할당된 객체 (array 객체)자체는 수정할 수없습니다.

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