기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

Sympy를 사용한 극한(limit)

내용

극한

limit() 함수

limit()함수를 사용합니다.
limit(식, 변수, 값) 이 함수의 각 인수는 다음과 같습니다. $$\underset{\text{변수} \to \text{값}}{\quad \text{limit} \quad }\text{식}$$
import numpy as np
import pandas as pd
from sympy import * 


함수 f(x)=sin(x)와 $g(x)=\frac{\sin(x)}{x}$의 0으로의 극한을 계산합니다.

x=symbols('x')
f=sin(x)
limit(f, x, 0)
0
g=sin(x)/x
limit(g, x, 0 )
1
극한이 정해진 수에 접근하는 경우 .subs() 메서드를 적용할 수 있습니다.
ex=x**2/exp(x)
limit(ex, x, 1000)
$\quad\color{navy}{\scriptstyle \frac{1000000}{e^{1000}}}$
ex.subs(x, 1000)
$\quad\color{navy}{\scriptstyle \frac{1000000}{e^{1000}}}$ 그러나 변수가 무한대로 접근하는 경우 .subs()를 적용할 수 없습니다.
limit(ex, x, oo)
0
ex.subs(x, oo)
NaN
sympy의 Limit 클래스는전달되는 식의 계산이 평가되지 않은 상태로 반환됩니다.
Limit((cos(x)-1)/x, x, 0)
$\quad\color{navy}{\scriptstyle \lim_{x \to 0^+}\left(\frac{\cos{\left(x \right)} - 1}{x}\right)}$
위 표현식을 평가하기 위해 .doit() 메서드가 적용됩니다.
Limit((cos(x)-1)/x, x, 0).doit()
0
limit((cos(x)-1)/x, x, 0)
0

좌극한, 우극한

함수가 지정된 값으로 접근하는 방향은 다음 그림과 같이 두 가지입니다.
  • 왼쪽에서 접근하는 경우: 좌극한(left limit)로 '-'를 사용하여 나타냅니다.
  • 오른쪽에서 접근하는 경우: 우극한(right limit)로 '+'를 사용하여 나타냅니다.
limit(1/x, x, 0, '+')
$\quad\color{navy}{\scriptstyle \infty}$
limit(1/x, x, 0, '-')
$\quad\color{navy}{\scriptstyle -\infty}$

data4limit

한 점으로 좌측에서 접근할 경우, 우측에서 접근할 경우 함수 값의 변화를 나타내기 위해 사용자 정의 함수 data4limit()함수를 작성합니다.
def data4limit(point, rng, func, symbol, factor=0.1):
    p=point
    x=[]
    x1=[]
    n=1
    for i in range(rng):
        n*=factor
        x.append(p+n)
        x1.append(p-n)
    y=[float(func.subs(symbol, i)) for i in x]
    y1=[float(func.subs(symbol, i)) for i in x1]
    return (pd.DataFrame([x, y, x1, y1], index=['x+','y+', 'x-', 'y-']).T)


함수 $h(x)=(x+1)^{\frac{1}{x}}$에 대해 x=0으로의 좌극한과 우극한을 계산해 봅니다.

x=symbols('x')
h=(x+1)**(1/x); h
$\quad \color{navy}{(x+1)^{\frac{1}{x}}}$
data4limit(0, 3, h1, h, factor=0.001)
x+ y+ x- y-
0 1.0000e-03 2.7169 -1.0000e-03 2.7196
11.0000e-06 2.7183 -1.0000e-06 2.7183
2 1.0000e-09 2.7183 -1.0000e-09 2.7183

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