기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[matplotlib] 조각 함수 그리기

조각 함수(pairwise function) 작성

다음 함수 f(x)와 같이 일정한 구간별로 다른 값을 가지는 함수를 조각함수라고 합니다.

$$f(x) =\begin{cases}4& \text{for}\; x\lt 0\\3-x^2& \text{for}\; 0\lt x \le 2\\ 2x-6& \text{for}\; x \gt 2\end{cases}$$

선 그래프를 작성하기 위해 각 조건에 맞는 x와 y 값을 설정합니다.

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0, 2, 50)
y=3-x**2
x1=np.linspace(2, 7, 50)
y1=2*x1-6

x, y 축을 점 (0, 0)을 통과하도록 조정하기 위해 다음 함수를 적용합니다.

  • plt.subplots(nrows=1, ncols=1, figsize=())
    • 여러개의 그래프를 그리기 위한 함수
    • 그림들이 배열되는 구조는 nrows(행의 수), ncols(열의 수)로 지정
    • 이 함수는 전체적인 그림을 위한 객체, 그 객체내에 각 그래프의 좌표의 수들을 반환
    • 다음 코드는 1행, 1열로 1개의 그래프를 작성하므로 그림 객체를 나타내는 fig와 그 그래프의 좌표쌍을 나타내는 ax 객체를 반환
    • figsize=(가로, 세로), 그래프의 크기를 나타냄
fig, ax=plt.subplots(figsize=(4, 3))
ax.plot(x, y, color="g", label=r"y=3-$x^2$")
ax.plot(x1, y1, color="brown",  label="y=2x-6")
  • .plot(x, y, color, ls, lw, label): x에 대응하는 y에 대한 선그래프를 작성
    • ls: linestyle, 선의 형태를 지정
    • lw: linewidth, 선 너비 지정
    • label: 그림의 범례(legend)를 삽입할 경우 선에 대한 설명 문구, mathjax 스타일로 작성하기 위해서 r" " 형태로 작성
ax.hlines(4, 0, -3, color="orange", label="y=4")
ax.scatter(0, 4, color="orange")
ax.scatter(0, 3, color="white", edgecolors="k")
ax.scatter(2, -1, color="g")
ax.scatter(2, -2, color="white", edgecolors="k")
  • .hlines(y, xstart, xfinal, color, label): 지정한 y값에 대해 x의 시작점과 마지막 점까지 수평선을 작성
    • color: 선의 색 지정
    • label: 그림의 범례(legend)를 삽입할 경우 선에 대한 설명 문구, mathjax 스타일로 작성하기 위해서 r" " 형태로 작성
  • .vlines(x, ystart, yfinal, color, label): 지정한 x값에 대해 y의 시작점과 마지막 점까지 수직선을 작성
  • .scatter(x, y, s, c, edgecolor, marker, label): x에 대응하는 y에 대한 점그래프를 작성
    • s: 점의 크기를 지정
    • c: 점의 색 지정
    • edgecolor: 점의 테두리 색 지정
    • marker: 점의 형태 지정
    • label: 그림의 범례(legend)를 삽입할 경우 선에 대한 설명 문구, mathjax 스타일로 작성하기 위해서 r" " 형태로 작성
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)

plt로 작성한 기본 그래프의 축은 사각형 즉, x, y 축 모두 지정된 최저값과 최고값으로 구성된 박스형입니다. 위 코드는 왼쪽과 아래쪽에 있는 축을 지정한 자료들의 값 0을 지나도록 하고 오른쪽과 위쪽에 있는 축을 비활성시킨 것입니다.

ax.set_xlabel("x", loc="right", fontsize="11")
ax.set_ylabel("y", loc="top", fontsize="11")

x 축과 y 축의 이름을 지정한 것입니다. 다음 결과와 같이 y축 이름은 수평으로 작성됩니다. 이를 회전하기 위해 매개변수 rotation="horizontal"를 사용하여 조정할 수 있습니다. 또한각 이름의 위치를 지정하기 위해 매개변수 loc을 사용합니다.

  • x 축: loc="left", "center", "right"
  • y 축: loc="bottom", "center", "top"
plt.legend(loc="upper center", labelcolor=["g", "brown", "orange"], frameon=False)
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