暑期SMALE魔鬼训练day2

暑期SMALE魔鬼训练day2

上午：

1. 令 A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 写出 $\mathbf{A}$ 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 } \mathbf{R} = \{(a, b) \in \mathbf{A} \times \mathbf{A} \vert a \mod 2 = b \mod 2\} R={(a,b)∈A×A∣amod2=bmod2}
   P = { { 1 , 5 , 9 } , { 2 , 8 } } \mathcal{P} = \{\{1, 5, 9\}, \{2, 8\}\} P={{1,5,9},{2,8}}

2. 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 ${\mathbf{R}}_1$和 ${\mathbf{R}}_2$, 并计算${\mathbf{R}}_1\circ {\mathbf{R}}_2$, ${\mathbf{R}}_1^{+}$, ${\mathbf{R}}_1^{\ast }$
   R 1 = { ( 1 , 2 ) , ( 2 , 9 ) } \mathbf{R}_1 = \{(1, 2), (2, 9)\} R1​={(1,2),(2,9)}
   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 \circ \mathbf{R}_2 = \{(1, 5), (1, 8)\} R1​∘R2​={(1,5),(1,8)}
   R 1 + = ⋃ i = 1 ∣ A ∣ R i = { ( 1 , 2 ) , ( 2 , 9 ) , ( 1 , 9 ) } \mathbf{R}_1^+ = \bigcup_{i = 1}^{\vert{\mathbf{A}}\vert}R^i = \{(1, 2), (2, 9), (1, 9)\} R1+​=⋃i=1∣A∣​Ri={(1,2),(2,9),(1,9)}
   R 1 ∗ = R 1 + ∪ A 0 = { ( 1 , 2 ) , ( 2 , 9 ) , ( 1 , 9 ) , ( 1 , 1 ) , ( 2 , 2 ) , ( 5 , 5 ) , ( 8 , 8 ) , ( 9 , 9 ) } \mathbf{R}_1^* = \mathbf{R}_1^+\cup\mathbf{A}^0 = \{(1, 2), (2, 9), (1, 9), (1, 1), (2, 2), (5, 5), (8, 8), (9, 9)\} R1∗​=R1+​∪A0={(1,2),(2,9),(1,9),(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.
   
   转自粗糙集理论

下午:
举例说明你对函数的认识.
设$f$是集合$\mathbf{A}$到$\mathbf{B}$的一个关系，如果对于每个$x\in \mathbf{A}$,都存在唯一的$y\in \mathbf{B}$，使得$(x,y)\in f$,则关系$f$称作集合$\mathbf{A}$到$\mathbf{B}$的函数或者映射，记为$f:\mathbf{A}\to \mathbf{B}$。函数是一种特殊的关系，可以进行关系的基本运算，但是，函数的交、差、并、补的结果不一定是函数

晚上：
自己给定一个矩阵并计算其各种范数.
矩阵$\mathbf{A}=\left[\begin{array}{ccc}1& 6& 8\\ 5& -6& 3\end{array}\right]$
$l_0$范数 = ∣ ∣ A ∣ ∣ 0 = ∣ { ( i , j ) ∣ i , j ≠ 0 } ∣ = 6 ||\mathbf{A}||_0 = \vert\{(i,j) \vert_{i,j} \neq 0\} \vert= 6 ∣∣A∣∣0​=∣{(i,j)∣i,j​​=0}∣=6
$l_1$范数 = $$||\mathbf{A}|{|}_1=\sum _{i,j}|a_{i,j}|=29$$
$l_2$范数 = $$||\mathbf{A}|{|}_2=\sqrt{\sum _{i,j}|a_{i,j}{|}^2}=\sqrt{171}$$
$l_{\infty }$范数 = $$||\mathbf{A}|{|}_{\infty }=\max i,j|a_{ij}|=8$$

解释推荐系统: 问题、算法与研究思路2.1 中的优化目标
$$\min \sum _{(i,j)\in \Omega }(f(x_i,t_j)-r_{ij}{)}^2$$
解释：优化目标是要$\min$损失函数，此处的损失函数为平方差损失，输入为用户信息表$\mathbf{X}$和商品信息表$\mathbf{T}$，经过函数$f$的映射后得到预测值$f(x_i,t_j)$,在减去用户评分$r_{ij}$,两者的差值做平方，然后在整个数据集上求和，最后通过优化算法找到最小值。