기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[pyton]진수변환 프로그램

진수 변환

10진수를 각 진수로 전환하기 위해 나머지를 연결합니다. 예를들어 7를 2진수 (binary)로 전환하는 과정은 다음과 같습니다.

x=7 1) x를 2로 나누어 몫과 나머지를 계산합니다. q, r=divmod(x, 2)#2로 나눈 몫과 나머지 q, r (3, 1) 2) 위 결과의 몫을 다시 나눕니다. q2, r2=divmod(q, 2) q2, r2 (1, 1) 3) 2)과정을 몫이 0이 될때까지 반복합니다. q3,r3=divmod(q2, 2) q3, r3 (0, 1) 4) 각 과정에서 나머지를 순서적으로 결합합니다. result: 111
2진수 -> 10진수는 2진수의 각자리의 값x2자리수수 와 같이 계산한 값들의 합입니다.

y=111 위 수의 각각을 분리하기 위해 문자열로 전환합니다. y=str(y) for i in y: print(i) 1 1 1 위 결과 문자열의 길이가 3입니다. 그러므로 첫 원소부터 22, 21,20을 곱하여 모두 합해 줍니다. 1*2**2 + 1*2**1 + 1*2**0 7

8진수와 16진수 변환도 같은 과정으로 진행됩니다.
단지 16진수의 경우는 10, 11, ..., 15를 a, b, ..., f로 나타냅니다. 그러므로 다음의 변화 코드가 필요합니다.

ref={'a':10, 'b':11, 'c':12, 'd':13, 'e':14, 'f':15} ref['b'] 11 ref.get("b") 11 ref1={10:'a',11:'b', 12:'c', 13:'d', 14:'e', 15:'f'} ref1.get(15)#==ref1[15] 'f'

위 과정을 함수로 작성하면 다음과 같습니다.

def DecimalToOtherBase(val, base): x=val re="" if base != 16: while x != 0: x,r=divmod(x, base) re=str(r)+re else: ref={10:'a',11:'b', 12:'c', 13:'d', 14:'e', 15:'f'} while x != 0: x, r=divmod(x, base) if r>10: re=ref.get(r)+re else: re=str(r)+re return(re) def OtherBaseToDecimal(val, base): st=str(val) re=0 if base !=16: for (i, k) in zip(st, range(len(st), 0, -1)): re=re+int(i)*base**(k-1) else: for (i, k) in zip(st, range(len(st), 0, -1)): if i in ref.keys(): i=ref.get(i) else: i=int(i) re=re+i*16**(k-1) return(re)

x=31 re={2:0, 8:0, 16:0} for i in re.keys(): re[i]=DecimalToOtherBase(x, i) re {2: '11111', 8: '37', 16: '1f'} re1={2:0, 8:0, 16:0} for i in re1.keys(): re1[i]=OtherBaseToDecimal(re[i], i) re1 {2: 31, 8: 31, 16: 31}

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