기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

코틀린 자료형 표현과 변환

Underscore의 적용

큰수를 표시할 경우 일반적으로는 100단위로 구분하여 나타냅니다.
1000,000,000
그러나 코딩시 위와 같은 표시는 에러를 발생합니다.
대신에 코틀린은 underscore를 사용합니다.

val a=1000_000_000
a
     res4: kotlin.Int = 1000000000

자료의 변환 

자료형은 자료가 저장되는 크기를 지정하는 것입니다. 이것은 작은 자료형은 큰 자료형의 포함된다는 의미는 아닙니다. 그러므로 자료형이 다르면 개별적으로 취급됩니다.
즉, 다른 자료형 사이의 연산이나 교환은 일어날 수 없습니다.
물론 자바, 파이썬등 다른 언어에서는 자동 변환이 일어나지만 코틀린의 경우 반드시 자료들의 연산을 위해서는 자료형을 일치시켜야 합니다.
예를들어 정수형인 변수값이 long 형인 변수에 직접적으로 할당되지 않습니다.

val a: Int=1
val b: Int?=a
println("a:$a, b:$b")
     a:1, b:1

a == b
     res8: kotlin.Boolean = true

val c: Long=a
c
     error: type mismatch: inferred type is Int but Long was expected val c: Long=a

위 결과와 같이 정수형과 long 형은 자료형이 다르기 때문에 에러가 발생합니다.
그러므로 위와 같은 과정은 자료형의 변환이 우선되어야 합니다.
val b: Byte = 1
val i: Int = b.toInt()
b
     res16: kotlin.Byte = 1
i
     res17: kotlin.Int = 1
//큰 자료형에서 작은 자료형으로 변환
val b: Int = 1
val i: Byte = b.toByte()
b
      res18: kotlin.Int = 1
i
      res19: kotlin.Byte = 1

큰 자료형에서 작은 자료형으로 변환하기 위해서 각 자료형의 범위내에서 실행해야 합니다.
문자 역시 근본은 정수에서 출발한 것으로 문자와 정수간에 상호변환이 가능합니다.
val a=69
 val b:Char=a.toChar()
 b
     res21: kotlin.Char = E

val c: Int=b.toInt()
 c
     res22: kotlin.Int = 69


이렇게 자료형간의 변환은 위에서 소개한 메소드는 다음과 같습니다.
메소드 내용
obj.toByte()      Byte로 변환
obj.toShort()      Short로 변환
obj.toInt()      Int로 변환
obj.toLong()      Long로 변환
obj.toLong()      Long로 변환
obj.toFloat()      Float로 변환
obj.toChar()      Char로 변환

val byte: Byte=10
val short:Short= byte.toShort() // byte →Short
short
      res22: kotlin.Short = 10

val int: Int=byte.toInt() // byte →Int
int
      res20: kotlin.Int = 10

Double int is Int
     res21: kotlin.Boolean = true

val long: Long= int.toLong() // Int → Long
long is Long
     res23: kotlin.Boolean = true

val float: Float= int.toFloat() // Int → Float
float
     res24: kotlin.Float = 10.0

float is Float
     res25: kotlin.Boolean = true

val double:Double=byte.toDouble() // Byte → Double
double
     res26: kotlin.Double = 10.0

double is Double
     res27: kotlin.Boolean = true

10진수를 2진수 또는 16진수로 변환하기 위해 다음 메소드를 적용합니다.

객체.toString(2) : 10 진수인 객체를 2 진수로 변환
객체.toString(16) : 10 진수인 객체를 16 진수로 변환

10.toString(2)  // 10진수 → 2진수
     res28: kotlin.String = 1010

15.toString(16) // 10진수 → 16진수
     res29: kotlin.String = f

위에서 다른 자료형을 연산하기 위해서는 반드시 일치시켜야 됨을 보였습니다.
그러나 코틀린의 경우 변수에 할당된 값에 따라 자료형을 유추합니다.
이 특성 때문에 자료형을 명시하지 않을 경우 자료간의 연산의 결과 역시 유추하여 결정됩니다.

10.toString(2)
     res28: kotlin.String = 1010

15.toString(16)
     res29: kotlin.String = f

val a=1
val b=a+0.3
b
     res25: kotlin.Double = 1.3

a is Int
      res26: kotlin.Boolean = true

b is Double
      res27: kotlin.Boolean = true

val c= 1/0.5
 c
     res28: kotlin.Double = 2.0

같은 종류의 자료형일 경우 더 큰 자료형으로 유추됩니다.

val l=20L+2
 l
     res29: kotlin.Long = 22

l is Int
     error: incompatible types: Int and Long

l is Long
     res31: 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