기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

삼각함수: 코사인 법칙(cosines rule)

코사인 법칙(cosines rule)

cosine 1법칙은 식 1과 같습니다.

\begin{align}\tag{ 식 1} &\text{a}=\text{c}·\cos(\text{B})+\text{b}·\cos(\text{C})\\ &\text{b}=\text{a}·\cos(\text{C})+\text{c}·\cos(\text{A})\\ &\text{c}=\text{b}·\cos(\text{A})+\text{a}·\cos(\text{B})\end{align}

그림 1. cosin 1 법칙.

그림 1로 부터 다음 식을 유도할 수 있습니다.

\begin{align}&\text{By}\; \overline{AH},\; \triangle ABH\; \text{and} \;\triangle AHC\\ &\rightarrow \cos(B)=\frac{a_1}{c},\; \cos(C)=\frac{a_2}{b}\\ &\rightarrow a=a_1+a_2=c \cdot \cos(B) + b \cdot \cos(C)\\\\ &\text{By}\; \overline{BD},\; \triangle ABD \; \text{and} \;\triangle CBD\\ &\rightarrow \cos(A)=\frac{b_2}{c},\; \cos(C)=\frac{b_1}{a}\\ &\rightarrow b=b_1+b_2=a \cdot \cos(C) + c \cdot \cos(A)\\\\ &\text{By}\; \overline{CE},\; \triangle AEC\; \text{and} \;\triangle CEB\\ &\rightarrow \cos(A)=\frac{c_2}{b},\; \cos(B)=\frac{c_1}{a}\\ &\rightarrow c=c_1+c_2=b \cdot \cos(A) + a \cdot \cos(B)\end{align}

식 2의 cos제2법칙은 cos 제1법칙(식 1)으로 부터 유도할 수 있습니다.

\begin{align} \tag{식 2}&a^2 = b^2 + c^2 - 2bc·\cos(A)\\ &b^2 = a^2 + c^2 - 2ac·\cos(B)\\ &c^2 = a^2 + b^2 - 2ab·\cos(C)\end{align}

식 2의 각 식의 우항 즉, a, b, c의 제곱은 식 1의 cos1 법칙을 치환하여 식 3과 같이 정리합니다.

\begin{align}\tag{식 3}&a^2=ab·\cos(C)+ac·\cos(B)\\ &b^2=ab·\cos(C)+bc·\cos(A)\\ &c^2=ac·\cos(B)+bc·\cos(A)\end{align}

식 3으로 부터 $a^2 - b^2 - c^2$을 계산합니다.

\begin{align}a^2-b^2-c^2&=ab·\cos(C)+ac·\cos(B) -ab·\cos(C)-bc·\cos(A) -ac·\cos(B)-bc·\cos(A)\\&=-2bc·\cos(A)\\ &\because \; a^2=b^2+c^2-2bc·\cos(A)\\ b^2-a^2-c^2&=ab·\cos(C)+bc·\cos(A) -ab·\cos(C)-ac·\cos(B)-ac·\cos(B)-bc·\cos(A)\\&=-2ac·\cos(B)\\ &\because \; b^2=a^2+c^2-2ac·\cos(B)\\ c^2-a^2-b^2&=ac·\cos(B)+bc·\cos(A) -ab·\cos(C)-ac·\cos(B)-ab·\cos(C)-bc·\cos(A)\\&=-2ab·\cos(c)\\ &\because \; c^2=a^2+b^2-2ab·\cos(c)\end{align}

cos1과 2법칙은 다음과 같이 파이썬 함수로 작성하여 사용할 수 있습니다. 함수에서 인수로 사용되는 len1, len2는 길이이며 ang1, ang2는 각으로 radian이어야 합니다.

#cos 1법칙
def cos1lawS(len1, len2, ang1, ang2):
  return(len1*cos(ang2)+len2*cos(ang1))
#cos2법칙
def cos2lawS(len1, len2, ang):
  return((len1**2+len2**2-2*len1*len2*cos(ang))**0.5)

예)

길이 a, b, c가 각각 1, 1, 0.52이며 각 선분에 대응되는 각 A, B, C는 각각 $\frac{5\pi}{12},\; \frac{5\pi}{12},\; \frac{\pi}{6}$인 삼각형에 대해 cosin 법칙을 적용하여 봅니다.

작성한 함수 cos1law()를 적용하여 cos 1 법칙을 확인합니다.

A, B, C=5*np.pi/12, 5*np.pi/12, np.pi/6 
a, b, c=1,1, 0.52

a1=cos1law(b, c, B, C ); a1.round(2)
1.0
b1=cos1law(a, c, A, C)
c1=cos1law(a, b, A, B)
b1.round(2), c1.round(2)
(1.0, 0.52)

작성한 함수 cos2law()를 적용하여 cos 2 법칙을 확인합니다.

a2=cos2law(b, c, A)
b2=cos2law(a, c, B)
c2=cos2law(a, b, C)
a2.round(2), b2.round(2), c2.round(2)
(1.0, 1.0, 0.52)

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