4. 二元关系
正闭包:
R
+
=
⋃
i
=
1
∣
A
∣
R
i
\mathbf{R}^+ = \bigcup_{i = 1}^{\vert \mathbf{A} \vert} \mathbf{R}^i
R+=⋃i=1∣A∣Ri
克林闭包:
R
∗
=
R
+
∪
R
0
\mathbf{R}^* = \mathbf{R}^+ \cup \mathbf{R}^0
R∗=R+∪R0,其中
R
0
=
{
(
x
,
x
)
∣
x
∈
A
}
\mathbf{R}^0 = \{(x, x) \vert x \in A\}
R0={(x,x)∣x∈A}
作业:
令 A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 写出 A \mathbf{A} A 上的 “模 2 同余”关系及相应的划分.
R = { ( a , b ) ∈ A × A ∣ a m o d 2 = b m o d 2 } = { ( 1 , 1 ) , ( 1 , 5 ) , ( 1 , 9 ) , ( 2 , 2 ) , ( 2 , 8 ) , ( 5 , 1 ) , ( 5 , 5 ) , ( 5 , 9 ) , ( 8 , 2 ) , ( 8 , 8 ) , ( 9 , 1 ) , ( 9 , 5 ) , ( 9 , 9 ) } \mathbf{R} = \{(a, b) \in \mathbf{A} \times \mathbf{A} \vert a \mod 2 = b \mod 2\} = \{(1, 1), (1, 5), (1, 9), (2, 2), (2, 8), (5, 1), (5, 5), (5, 9), (8, 2), (8, 8), (9, 1), (9, 5), (9, 9)\} R={(a,b)∈A×A∣amod2=bmod2}={(1,1),(1,5),(1,9),(2,2),(2,8),(5,1),(5,5),(5,9),(8,2),(8,8),(9,1),(9,5),(9,9)}
P = { { 1 , 5 , 9 } , { 2 , 8 } } \mathcal{P} = \{\{1, 5, 9\}, \{2, 8\}\} P={{1,5,9},{2,8}}
A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 自己给定两个关系 R 1 \mathbf{R}_1 R1 和 R 2 \mathbf{R}_2 R2 , 并计算 R 1 R 2 \mathbf{R}_1 \mathbf{R}_2 R1R2, R 1 + \mathbf{R}_1^+ R1+, R 1 ∗ \mathbf{R}_1^* R1∗.
R
1
=
{
(
1
,
2
)
,
(
1
,
5
)
}
\mathbf{R}_1 = \{(1, 2), (1, 5)\}
R1={(1,2),(1,5)}
R
2
=
{
(
2
,
5
)
,
(
2
,
8
)
}
\mathbf{R}_2 = \{(2, 5), (2, 8)\}
R2={(2,5),(2,8)}
R
1
R
2
=
{
(
1
,
5
)
,
(
1
,
8
)
}
\mathbf{R}_1 \mathbf{R}_2 = \{(1, 5), (1, 8)\}
R1R2={(1,5),(1,8)}
R
1
+
=
⋃
i
=
1
5
R
1
i
=
{
∅
}
\mathbf{R}_1^+ = \bigcup_{i=1}^5\mathbf{R}_1^i = \{\emptyset\}
R1+=⋃i=15R1i={∅}
R
1
∗
=
R
1
+
∪
R
0
=
{
(
1
,
1
)
,
(
2
,
2
)
,
(
5
,
5
)
,
(
8
,
8
)
,
(
9
,
9
)
}
\mathbf{R}_1^* = \mathbf{R}_1^+\cup\mathbf{R}^0 = \{(1, 1), (2, 2), (5, 5), (8, 8), (9, 9)\}
R1∗=R1+∪R0={(1,1),(2,2),(5,5),(8,8),(9,9)}.
查阅粗糙集上下近似的定义并大致描述.
假设给出一个属性集合 A = { x 1 , x 2 , x 3 , … } \mathbf{A} = \{x_1, x_2, x_3, \dots\} A={x1,x2,x3,…}, 其中 x 1 , x 2 , … x_1, x_2, \dots x1,x2,… 分别表示绿色、红色等属性。取其中的一个子集 R = { x 2 , x 3 } \mathbf{R} = \{x_2, x_3\} R={x2,x3},表示“红色的圆形”,这时要用集合 A \mathbf{A} A 中其余的子集来描述这个子集 R \mathbf{R} R 则需要用到上下近似,也就是找出跟他最像的两个一个作为下近似,一个作为上近似。我们就可以用“红色的大圆形” { x 2 , x 3 , x 5 } \{x_2, x_3, x_5\} {x2,x3,x5}作为下近似,用“红色的” { x 2 } \{x_2\} {x2} 作为上近似。
5. 函数
作业: 举例说明你对函数的认识.
参数 x x x 会随着另一个参数 y y y 的变化而变化(应变量随着自变量的变化而变化),自变量可以是1个(一元函数),也可以是2个(二元函数),甚至更多(多元函数)。例如 y = 2 x y=2x y=2x,这个是一元函数, z = 2 x + y z=2x+y z=2x+y,这个是二元函数。
6. 向量/矩阵的范数
l
0
l_0
l0 范数:非零项个数
∣
∣
X
∣
∣
0
=
∣
{
(
i
,
j
)
∣
x
i
j
≠
0
}
∣
||\mathbf{X}||_0 = \vert\{(i, j) \vert x_{ij} \ne 0 \}\vert
∣∣X∣∣0=∣{(i,j)∣xij=0}∣
l
1
l_1
l1 范数:绝对值之和,常用于计算绝对误差。
∣
∣
X
∣
∣
1
=
∑
i
,
j
∣
x
i
j
∣
||\mathbf{X}||_1 = \sum_{i, j} \vert x_{ij} \vert
∣∣X∣∣1=i,j∑∣xij∣
l
2
l_2
l2 范数: 平方和,常用于计算平方误差。
∣
∣
X
∣
∣
2
=
∑
i
,
j
x
i
j
2
||\mathbf{X}||_2 = \sqrt{\sum_{i, j} x^2_{ij}}
∣∣X∣∣2=i,j∑xij2
∣
∣
X
∣
∣
2
2
=
∑
i
,
j
x
i
j
2
||\mathbf{X}||^2_2 = \sum_{i, j} x^2_{ij}
∣∣X∣∣22=i,j∑xij2
l ∞ l_{\infty} l∞ 范数: 最大值 ∣ ∣ X ∣ ∣ ∞ = max i , j ∣ x i j ∣ ||\mathbf{X}||_{\infty} = \max_{i, j} \vert x_{ij} \vert ∣∣X∣∣∞=i,jmax∣xij∣
作业:自己给定一个矩阵并计算其各种范数.
X = [ − 1 2 2 3 − 2 2 3 4 ] \mathbf{X} = \left[\begin{array}{llll}-1 & 2 & 2 & 3\\ -2 & 2 & 3 & 4 \end{array}\right] X=[−1−2222334]
∣
∣
X
∣
∣
0
=
8
||\mathbf{X}||_0 = 8
∣∣X∣∣0=8
∣
∣
X
∣
∣
1
=
19
||\mathbf{X}||_1 = 19
∣∣X∣∣1=19
∣
∣
X
∣
∣
2
=
51
||\mathbf{X}||_2 = \sqrt{51}
∣∣X∣∣2=51
∣
∣
X
∣
∣
2
2
=
51
||\mathbf{X}||_2^2 = 51
∣∣X∣∣22=51
∣
∣
X
∣
∣
∞
=
4
||\mathbf{X}||_{\infty} = 4
∣∣X∣∣∞=4
7. min 与 argmin
作业:解释 推荐系统: 问题、算法与研究思路 2.1 中的优化目标
min ∑ ( i , j ) ∈ Ω ( f ( x i , t j ) − r i j ) 2 \min \sum_{(i, j) \in \Omega} (f(\mathbf{x}_i, \mathbf{t}_j) - r_{ij})^2 min(i,j)∈Ω∑(f(xi,tj)−rij)2各符号及含义.
min
\min
min: 求和的最小值;
Ω
(
R
)
\Omega(\mathbf{R})
Ω(R):
R
\mathbf{R}
R中非零元素对应的位置集合.;
∑
\sum
∑: 求
(
f
(
x
i
,
t
j
)
−
r
i
j
)
(f(\mathbf{x}_i, \mathbf{t}_j) - r_{ij})
(f(xi,tj)−rij) 的平方和。