기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[matplotlib] 접선식 생성과 접선 그리기

접선 그리기

함수의 특정한 점에서 접선의 기울기는 그 지점에서의 미분값과 같습니다.

a=symbols("a")
f=(a-1)**2
df=f.diff('a')
df
2a - 2

함수 f위의 점(3, f(3))에서의 접선 식은 다음과 같이 계산할 수 있습니다.

slope=df.subs(a, 3); slope
4

$$\begin{align} y&=\text{slope}\times x+b \\ b&= y - \text{slope}\times x\\&=f(3)-f^\prime(3)\times 3\end{align}$$

b=f.subs(a, 3)-slope*3
eq=slope*a+b; eq
4a−8

위에서 생성한 두 식 f와 eq(접선식)에 대한 그래프를 작성합니다. 그래프 작성에 필요한 함수 plot()과 scatter() 그리고 축 설정은 조각함수 작성에서 적용한 것과 같습니다.

x=np.linspace(-1, 5, 100)
fy=[f.subs(a, i) for i in x]
eqy=[eq.subs(a, i) for i in x]
fig, ax=plt.subplots(figsize=(4, 3))
ax.plot(x, fy, color="g", label=r"f(x)=(x-1)^2")
ax.plot(x, eqy, color="b", label="g(x)=4x-8")
ax.scatter(3, f.subs(a, 3), s=50, c="b")
ax.spines['left'].set_position(("data", 0))
ax.spines['bottom'].set_position(("data", 0))
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.set_xlabel("x", loc="right", fontsize="11")
ax.set_ylabel("y", rotation="horizontal", loc="top", fontsize="11")
ax.legend(loc='upper center', labelcolor="linecolor")
plt.show()

위 과정에서 접선의 식 생성을 위해 다음과 같이 함수를 작성하여 사용할 수 있습니다.

def tgline(f, sym, x, y):
    df=f.diff(sym)
    slope=df.subs(a, x)
    b=y-slope*x
    return(slope*sym+b)
tgline(f, a, 3, f.subs(a, 3))
4a - 8

또한 (0, 0)을 교차하는 축을 설정하기 위해 함수를 작성할 수 있습니다.

def axisTran(ax):
    ax.spines['left'].set_position(("data", 0))
    ax.spines['bottom'].set_position(("data", 0))
    ax.spines['right'].set_visible(False)
    ax.spines['top'].set_visible(False)

위 작성한 함수들을 적용하여 접선 그래프를 작성하기 위한 코드는 다음과 같습니다.

a=symbols("a")
f=(a-1)**2
x=np.linspace(-1, 5, 100)
fy=[f.subs(a, i) for i in x]
eq=tgline(f, a, 3, f.subs(a, 3))
eqy=[eq.subs(a, i) for i in x]
fig, ax=plt.subplots(figsize=(4, 3))
ax.plot(x, fy, color="g", label=r"f(x)=(x-1)^2")
ax.plot(x, eqy, color="b", label="g(x)=4x-8")
ax.scatter(3, f.subs(a, 3), s=50, c="b")
axisTran(ax)
ax.set_xlabel("x", loc="right", fontsize="11")
ax.set_ylabel("y", rotation="horizontal", loc="top", fontsize="11")
ax.legend(loc='upper center', labelcolor="linecolor")
plt.show()

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