기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

|x|, 1/x 그래프_spines

내용

f(x)=|x|

함수 f(x)=|x|의 그래프를 작성합니다. 함수는 sympy 패키지의 함수들을 사용하여 생성합니다.
import numpy as np
import pandas as pd
from sympy import *
import matplotlib.pyplot as plt
x=symbols('x')
f=abs(x); f
|x|
sympy객체에 값을 입력하기 위해 .sub(변수, 대체할 값)을 적용합니다.
a=np.linspace(-2, 2, 100)
b=[float(f.subs(x, i)) for i in a]; b[:3]
[2.0, 1.9595959595959596, 1.9191919191919191]
matplolib에 의한 그래프는 그림 박스내에 표시합니다. 그러므로 x=0, y=0의 축은 표시되지 않습니다. 그러므로 이 축을 (0, 0)에 맞추기 위해서는 박스형식의 기존 축을 제거(plt.axis('off'))하고 다음 함수를 사용하여 새로운 축을 작성할 수 있습니다.
  • plt.axhline(y=0, xmin, xmax)
  • plt.hlines(y=0, xmin, xmax)
  • plt.axvline(x=0, ymin, ymax)
  • plt.vlines(x=0, ymin, ymax)
다음 그래프는 하나의 그림 프레임을 2열로 분리한 것으로 plt.subplot(행 열 번호)를 사용한 것입니다. 또한 각 그래프의 간격을 조정하기 위해 plt.subplots_adjust() 함수를 사용합니다. 이 함수의 인수 중 wspace는 그래프간의 가로 간격, hspace는 세로간격을 조정합니다.
plt.figure(dpi=100)
plt.subplots_adjust(wspace=0.5)
plt.subplot(121)
plt.plot(a, b,  label='f(x)=|x|')
plt.grid(True)
plt.legend(loc='upper right', prop={'size':12, 'weight':'bold'})
plt.xlabel('x', size=12, weight='bold')
plt.ylabel('f(x)', size=12, weight='bold')
plt.subplot(122)
plt.plot(a, b,  label='f(x)=|x|')
plt.axhline(0, color='black', lw=2)
plt.axvline(0, color='black', lw=2)
plt.grid(True)
plt.legend(loc='upper right', prop={'size':12, 'weight':'bold'})
plt.axis('off')
plt.text(2, -0.1, 'x', size=12, weight='bold')
plt.text(-0.8, 1, 'f(x)', size=12, weight='bold')
plt.show()
splines()함수와 set_position().set_visible() 메서들를 결합하여 적용합니다. 이들을 적용하기 위해서는 matplolib의 기본 그림 공간에서 새로운 공간을 축출합니다. 이것은 subplots()함수로 실행됩니다. 다음 그래프는 x와 y축을 각각 0을 통과하고 나머지 선들을 제거한 것입니다.
fig, ax=plt.subplots(dpi=100)
ax.plot(a, b, label='f(x)=|x|')
ax.spines['left'].set_position(('data',0))
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_position(('data',0))
ax.grid(True)
ax.legend(loc='upper right', prop={'size':12, 'weight':'bold'})
ax.set_xlabel('x', size=12, weight='bold')
ax.set_ylabel('f(x)', size=12, weight='bold')
plt.show()

$f(x)=\frac{1}{x}$

함수 $f(x)=\frac{1}{x}$의 그래프는 위와 같은 방법으로 작성합니다. 그러나 이 함수는 x=0에서 정의되지 않습니다. 즉, x=0에서 불연속인 함수입니다. 그러므로 함수의 정의역(x 축)은 x=0을 기준으로 두 부분으로 구분하여 작성합니다.
x=symbols('x')
f=1/x
a=np.linspace(-2, -0.01, 100)
b=[float(f.subs(x, i)) for i in a]
a1=np.linspace(0.01, 2, 100)
b1=[float(f.subs(x, i)) for i in a1]
fig, ax=plt.subplots(dpi=100)
ax.plot(a, b, color="orange")
ax.plot(a1, b1, label=r'f(x)=$\frac{1}{x}$', color="orange")
ax.spines['left'].set_position(('data',0))
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_position(('data',0))
ax.grid(True)
ax.legend(loc='upper right', prop={'size':12, 'weight':'bold'})
ax.set_xlabel('x', size=12, weight='bold')
ax.set_ylabel('f(x)', size=12, weight='bold')
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