기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[python] 일급 객체(first class)

일급(first class) 객체

일급 객체는 일반적으로 모든 객체에서 사용과 수정이 가능한 객체로 다음과 같이 실행할 수 있습니다.

  • 변수에 할당
  • 저장
  • 함수에 인수로 전달
  • 함수의 반환값
  • 수정할 수 있으며 객체에 할당 가능

파이썬에서 모든 데이터는 객체 또는 객체간의 관계로 표현됩니다.

def hello(name):
    return f"{name}님 안녕하세요!"

위 함수 hello()의 실행결과는 다음과 같이 문자열 객체입니다.

B=hello('A');B
'A님 안녕하세요!'
type(B)
str

다음 결과와 같이 힘수 hello 자체는 함수의 결과와는 다른 의미를 가집니다. 즉, hello는 모듈의 메인함수 hello(name)를 포함하고 있는 이름객체입니다.

help(hello)
Help on function hello in module __main__:

hello(name)

위 결과의 __main__은 그 모듈의 시작점을 의미하는 내장속성(builtin attribute)로서 프로그램 실행시 내부적으로 이름객체를 호출하는 내장속성인 __name__과 함께 사용합니다. 즉, 다음 코드와 같이 사용되며 호출된 이름이 __main__일 경우 프로그램을 실행함을 의미합니다.

if __name__="__main__"

즉, 이름 객체인 hello는 함수 hello()를 포함하는 것으로 다른 변수에 할당할 수 있습니다. 다음은 greet 변수에 hello를 할당하는 것으로 greet는 hello() 함수의 모든 내용을 포함합니다.

위 함수 hello는 return 문을 포함하는 함수이며 1급객체입니다. 그러므로 다음 코드와 같이 다른 변수인 greet에 할당할 수 있습니다.

greet=hello
greet("영희")
'영희님 안녕하세요!'
help(greet)
Help on function hello in module __main__:

hello(name)

객체 hello와 greet는 참조위치가 동일한 같은 객체입니다.

greet is hello

위 결과에 의하면 함수의 이름은 함수의 내용을 참조하는 것으로 다양한 참조위치를 같게 설정하면 다양한 이름으로 함수를 사용할 있습니다. 이는 함수의 모든 내용을 변수에 할당할 수 있습니다. 즉, 일급객체임을 의미합니다. 함수의 이러한 특성으로 인해 중첩함수나 클로저로의 적용이 가능한 것입니다.

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