课堂作业（二）

最新推荐文章于 2024-09-30 13:17:10 发布

为Q奋斗

最新推荐文章于 2024-09-30 13:17:10 发布

阅读量101

点赞数

分类专栏：作业文章标签：机器学习

本文链接：https://blog.csdn.net/a1025976860/article/details/119256178

版权

作业专栏收录该内容

2 篇文章 0 订阅

订阅专栏

作业

文章原文

1.令 $\mathbf{A} =\{1,2,5,8,9\}$ , 写出 $\mathbf{A}$ “模 2 同余” 关系及相应的划分.
$\mathbf{R} =\{<a ,b>\in \mathbb{R} \vert a\mod 2=b\mod 2\}$ .
$\mathbf{R} =\{\{1,5\},\{1,9\},\{5,9\},\{2,8\}\}$
2. $\mathbf{A} =\{1,2,5,8,9\}$ ,自己给定两个关系 $\mathbf{R_1}$ 和 $\mathbf{R_1}$ ,并计算 $\mathbf{R_1}$ $\mathbf{R_1}$ ， $\mathbf{R_1^+}$ , $\mathbf{R_1^*}$ .
$\mathbf{R_1}=\{\{1,2\},\{2,9\},\{5,9\},\{2,8\}\}$ , $\mathbf{R_1}=\{\{1,5\},\{2,8\}\}$
$\mathbf{R_1}$ $\mathbf{R_1}=\{\{1,8\}\}$
$\mathbf{R_1^+}$ = $\mathbf{R_1^1}$ $\cup$ $\mathbf{R_1^2}$ $\cup$ $\mathbf{R_1^3}$ $\cup$ $\mathbf{R_1^4}$ $\cup$ $\mathbf{R_1^5}$ = ${\{1,2\},\{2,9\},\{5,9\},\{2,8\},\{1,9\},\{1,8\}\}$
$\mathbf{R_1^*}$ = $\mathbf{R_1^+}$ $\cup$ $\mathbf{A^0}$ = ${\{1,2\},\{2,9\},\{5,9\},\{2,8\},\{1,9\},\{1,8\},,\{1,1\},,\{2,2\},\{5,5\},,\{8,8\},\{9,9\}\}$
3.查阅粗糙集上下近似的定义并大致描述.
下面讨论上下近似的概念。假设给定了一个 $\mathbf{A}$ 上的子集合 $\mathbf{X} =\{x_2,x_5,x_7\}$ ，那么用知识库中的知识应该怎样描述它呢？无论是单属性知识还是由几个知识进行交、并运算合成的知识，都不能得到这个新的集合 $\mathbf{X}$ ，也就是在所有的现有知识里面找出跟他最像的两个一个作为下近似，一个作为上近似。可以选择“蓝色的大方块或者蓝色的小圆形”这个概念： ${x_5,x_7\}$ 作为 $\mathbf{X}$ 的下近似。选择“三角形或者蓝色的” ${x_1,x_2,x_5,x_7,x_8\}$ 作为上近似，值得注意的是，下近似集是在那些所有的包含于X的知识库中的集合中求交得到的，而上近似则是将那些包含X的知识库中的集合求并得到的。
4.举例说明你对函数的认识.
函数就是表示几种元素之间的规律。
比如地震数据：地震资料=子波*反射系数；（*这里代表褶积运算）
5，自己给定一个矩阵，计算其范数。
矩阵： $\mathbf{X}$ = $\begin{pmatrix} 1&2\\ 4&5\end{pmatrix}$
$\Vert \mathbf{X}\Vert_0$ =4 $\ 非零项个数$
$\Vert \mathbf{X}\Vert_1$ =12 $\ 绝对值之和,常用于计算绝对误差.$
$\Vert \mathbf{X}\Vert_2$ = $\sqrt{1^2+2^2+4^2+5^2}$ =6.78 $\ 平方和,常用于计算平方误差.$
6.解释推荐系统: 问题、算法与研究思路 2.1 中的优化目标
min $\sum_{(x,j)\in\Omega}$ ( $f(x_i,t_j)-r_{ij}$ ) $^2$
最小二乘法的最优化问题，目标是为用户推荐其喜欢的商品。