[확률 분포 생성 및 방법] 확률 분포 클래스 2

메타 클래스는 파이썬에서 클래스를 정의할 때 사용하는 특별한 클래스입니다. 일반적으로 파이썬에서 클래스를 정의할 때 클래스는 객체를 만들지만, 메타 클래스는 클래스를 만드는 클래스입니다. 즉, 메타 클래스는 클래스의 구조나 동작을 제어하고 수정할 수 있는 고급 기능을 제공합니다.

이를 활용하여 확률 분포 클래스를 생성할 때, 메타 클래스를 사용하면 공통적인 분포 기능을 동적으로 추가하거나, 클래스 생성 시 다양한 조건이나 제약을 설정할 수 있습니다.

확률 분포 클래스에서 메타 클래스 활용

확률 분포는 여러 종류(정규 분포, 지수 분포 등)가 존재하고, 각각이 공통적인 인터페이스를 따르지만 세부 동작은 다릅니다. 메타 클래스를 사용하여 확률 분포 클래스에 대해 다음과 같은 작업을 할 수 있습니다:

1. 분포 클래스의 생성 제약: 특정 이름 규칙을 따르거나, 필수 메서드가 구현되어 있는지 확인.
2. 공통 기능의 동적 추가: 모든 분포 클래스에 공통된 메서드를 자동으로 추가.

예제: 메타 클래스를 활용한 확률 분포 클래스

아래 예제에서는 ProbabilityMeta라는 메타 클래스를 정의하고, 이를 활용한 다양한 확률 분포 클래스를 생성합니다. 또한 분포 클래스들이 공통적으로 pdf (확률 밀도 함수)와 cdf (누적 분포 함수) 메서드를 반드시 구현하도록 요구합니다.

# 메타 클래스 정의
class ProbabilityMeta(type):
    def __init__(cls, name, bases, dct):
        super().__init__(name, bases, dct)

        # 모든 확률 분포 클래스는 pdf와 cdf 메서드를 가져야 한다는 제약
        if not all(hasattr(cls, method) for method in ['pdf', 'cdf']):
            raise TypeError(f"{name} 클래스는 'pdf'와 'cdf' 메서드를 반드시 포함해야 합니다.")

# 확률 분포의 기본 클래스
class ProbabilityDistribution(metaclass=ProbabilityMeta):
    def pdf(self, x):
        raise NotImplementedError("pdf() 메서드가 구현되어 있지 않습니다.")

    def cdf(self, x):
        raise NotImplementedError("cdf() 메서드가 구현되어 있지 않습니다.")

# 정규 분포 클래스
class NormalDistribution(ProbabilityDistribution):
    def __init__(self, mu=0, sigma=1):
        self.mu = mu
        self.sigma = sigma

    def pdf(self, x):
        # 정규 분포의 PDF 구현
        import numpy as np
        return (1 / (self.sigma * np.sqrt(2 * np.pi))) * np.exp(-0.5 * ((x - self.mu) / self.sigma) ** 2)

    def cdf(self, x):
        # 정규 분포의 CDF 구현
        from scipy.stats import norm
        return norm.cdf(x, self.mu, self.sigma)

# 지수 분포 클래스
class ExponentialDistribution(ProbabilityDistribution):
    def __init__(self, lambda_param=1.0):
        self.lambda_param = lambda_param

    def pdf(self, x):
        # 지수 분포의 PDF 구현
        return self.lambda_param * np.exp(-self.lambda_param * x)

    def cdf(self, x):
        # 지수 분포의 CDF 구현
        return 1 - np.exp(-self.lambda_param * x)

# 올바른 분포 클래스 생성
normal_dist = NormalDistribution(mu=0, sigma=1)
exp_dist = ExponentialDistribution(lambda_param=2.0)

# PDF와 CDF 계산
x = 1.0
print(f"Normal Distribution PDF at x={x}: {normal_dist.pdf(x)}")
print(f"Normal Distribution CDF at x={x}: {normal_dist.cdf(x)}")

print(f"Exponential Distribution PDF at x={x}: {exp_dist.pdf(x)}")
print(f"Exponential Distribution CDF at x={x}: {exp_dist.cdf(x)}")

# PDF, CDF가 구현되지 않은 잘못된 분포 클래스 (오류 발생 예시)
class InvalidDistribution(ProbabilityDistribution):
    pass

# InvalidDistribution 클래스는 pdf, cdf 메서드를 구현하지 않았기 때문에 TypeError가 발생합니다.

설명

1. 메타 클래스 ProbabilityMeta:

   • 모든 확률 분포 클래스는 pdf와 cdf라는 두 가지 메서드를 반드시 구현해야 한다는 규칙을 강제합니다.
   • 클래스가 정의될 때(__init__ 메서드 호출 시) pdf와 cdf 메서드가 존재하는지 확인하고, 없으면 TypeError를 발생시킵니다.

2. ProbabilityDistribution 클래스:

   • 확률 분포의 기본 클래스입니다. 각 분포 클래스는 이 기본 클래스를 상속받아야 합니다.
   • 기본적으로 pdf와 cdf 메서드를 정의하지만, 각각을 구체적으로 구현하지 않으면 NotImplementedError를 발생시킵니다.

3. 구체적인 분포 클래스 (NormalDistribution, ExponentialDistribution):

   • NormalDistribution 클래스는 정규 분포의 pdf와 cdf 메서드를 구현합니다.
   • ExponentialDistribution 클래스는 지수 분포의 pdf와 cdf 메서드를 구현합니다.
   • 각각의 클래스는 초기화 시 필요한 매개변수(평균, 표준 편차 등)를 받아서 확률 분포를 정의합니다.

4. 클래스 생성 시 제약:

   • 만약 pdf와 cdf를 구현하지 않은 분포 클래스를 만들면, TypeError가 발생하여 클래스를 생성할 수 없습니다.

실행 결과

Normal Distribution PDF at x=1.0: 0.24197072451914337
Normal Distribution CDF at x=1.0: 0.8413447460685429
Exponential Distribution PDF at x=1.0: 0.2706705664732254
Exponential Distribution CDF at x=1.0: 0.8646647167633873
TypeError: InvalidDistribution 클래스는 'pdf'와 'cdf' 메서드를 반드시 포함해야 합니다.

요약

이 예제는 메타 클래스를 활용하여 확률 분포 클래스를 정의할 때 특정한 메서드를 반드시 구현하도록 제약을 가하고, 확률 분포 클래스에 공통적인 기능을 제공하는 구조를 만들었습니다. 이를 통해 코드의 재사용성과 유지 보수성을 높이고, 클래스 설계에서의 일관성을 유지할 수 있습니다.