기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

Sequence- kotlin

for loop문에서 객체를 반복할 경우 각 단계마다 그 결과를 반환합니다.
val lst=listOf("rock","pagoda","plastic plant","alligator","flowerpot")
for(i in lst){println(i)}
     rock
     pagoda
     plastic plant
     alligator
    flowerpot

위와 같이 for 문으로 하나의 객체에 여러 원소를 반복하여 제출할 수 있는  객체를 iterable 객체(반복자)라고 합니다. List, Map등의 collection이나 range 객체는 이러한 반복자로 사용할 수 있습니다.
이와 유사한 객체로 코틀린 표준라이브러리에서 제공하는 시퀀스(Sequence)가 있습니다. 이 객체의 여러단계 처리는 전체 단계가 처리된 결과가 요구될 때 실제 연산이 일어납니다.
동작 수행의 순서 또한 다릅니다.
Sequence는 각각 하나의 원소(element)에 대해 모든 단계를 수행한다.
Iterable 은 전체 collection 에 대해 각 단계의 수행을 완료하고 다음 단계로 넘어간다.
따라서, sequence 는 중간 단계의 결과에 대한 처리를 피할 수 있게 해주며, collection 전체 처리에 대한 수행 성능이 향상된다.
하지만 크기가 작은 collection 이나 단순한 연산 동작에 대해서는 오히려 불필요한 오버헤드가 생길 수 있다.
그러므로 어느 경우에 Sequence 나 Iterable 중에 적절한 선택을 해야 한다.

다음은 iterable의 예입니다.


String 객체.split: 문자열을 메소드에 전달한 인수를 기준으로 분리합니다.

val words1 = "The quick brown fox jumps over the lazy dog"
words1.split(" ")
     [The, quick, brown, fox, jumps, over, the, lazy, dog]
객체.filter{인수; 조건} : 객체에서 조건에 해당하는 부분을 반환

다음 예에서 it은 객체에 속한 각각의 원소를 의미합니다.
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
lengthsList
     filter: The  //println의 반환으로 각 원소를 모두 반환
     filter: quick
     filter: brown
     filter: fox
     filter: jumps
     filter: over
     filter: the
     filter: lazy
     filter: dog
[quick, brown, jumps, over, lazy] //길이가 3이상인 부분만을 반환

객체.map{실행문}: 객체의 모든 원소들에 실행문을 적용하여 반환합니다.

val lengthsListMap=lengthsList.map{ println("length: ${it.length}"); it.length }
lengthsListMap
     length: 5
     length: 5
      length: 5
     length: 4
     length: 4
      [5, 5, 5, 4, 4]

객체.take(n): 객체의 0~n 번째 까지의 원소를 반환합니다.

lengthsListMap.take(2)
[5, 5]


위의 과정을 축소하여 다시 실행해 보면 다음과 같습니다.
val words = "The quick brown fox jumps over the lazy dog".split(" ")
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
    .map { println("length: ${it.length}"); it.length }
    .take(4)
println("Lengths of first 4 words longer than 3 chars:")
println(lengthsList)
     filter: The
     filter: quick
     filter: brown
     filter: fox
     filter: jumps
     filter: over
     filter: the
     filter: lazy
     filter: dog
     length: 5
     length: 5
     length: 5
     length: 4
     length: 4
     Lengths of first 4 words longer than 3 chars:
     [5, 5, 5, 4]

위의 경우는 객체 words에 실행되는 함수가 filter, map, take로 3개입니다. 객체의 모든 원소가 각각의 함수에 적용된 후 다음 단계로 이관됩니다. 그러나 아래의 Squence 객체는 객체의 각 원소가 3개의 함수에서 실행된후 결과를 반환합니다.
객체.asSequence() : 객체를 Squence 객체로 변환합니다.

val words = "The quick brown fox jumps over the lazy dog".split(" ").asSequence()
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
    .map { println("length: ${it.length}"); it.length }
    .take(4)
println("Lengths of first 4 words longer than 3 chars:")
println(lengthsList.toList())
Lengths of first 4 words longer than 3 chars:
     filter: The
filter: quick
length: 5
filter: brown
length: 5
filter: fox
filter: jumps
length: 5
filter: over
length: 4
[5, 5, 5, 4]
이 차이는 객체에 여러 함수를 적용할 경우 모든 조건에 부합하는 원소가 나올 경우 그 반복문을 중지시켜야 될 경우 사용될 수 있습니다. 

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