学习记录之数学表达式（4）

八、min 与 argmin

• min 和 argmin 在机器学习中常用；
• max 和argmax 同理；

8.1 min

• min 是 minimal 的缩写，用于获得集合中的最小值，如： min ⁡ { 3 , 1 , 9 , 8 } = 1 \min \{3,1,9,8\}=1 min{ 3,1,9,8}=1，源码为：\min {3,1,9,8}=1，即 \min 是定义好的一种符号；
• min 可以与向量/矩阵配合使用，如：给定向量 $\mathbf{x}=[3,1,9,8]$ ，则：${\min }_{1\le i\le 4}{\mathbf{x}}_i=1$，源码为：\min_{1 \le i \le 4} \mathbf{x}_i = 1，本质与前面的集合方式相同；
• min 可以和函数配合使用，如：令 $f(x)=x^2+x+1$，${\min }_{-1\le x\le 1}f(x)$ 表示 $x$ 取 $[-1,1]$ 区间的任意数，这些函数值构成了一个集合（重复元素只算一次），最终取最小的元素，源码为：\min_{-1 \le x \le 1} f(x)，其中 \le 表示 less than or equal，也可以写作 \leq；

8.2 argmin

• argmin 是 argument minimal 的缩写，用于获得使函数取得最小值的参数；
• \arg\min 总是可用的，若 Latex 模板不支持 \argmin，可以在 tex 文件头部加上：\DeclareMathOperator*{\argmin}{argmin}；
• argmin 可以与向量/矩阵配合使用，这时参数可以是向量下标，如：给定向量 $\mathbf{x}=[3,1,9,8]$，则 $\mathrm{argmin}{\mathbf{x}}_i=2$ 的值是使得 ${\mathbf{x}}_i$ 最小的参数值，即下标 $i$ 的值，给定矩阵：
  $$\mathbf{x}=\left[\begin{array}{cccc}3& 2& 9& 8\\ 7& 6& 1& 4\end{array}\right]$$
  源码为：\mathbf{x} = \left[ \begin{matrix} 3&2&9&8 \ 7&6&1&4 \end{matrix} \right]，则 ${\arg }_{i,j}\min {\mathbf{x}}_{ij}=(2,3)$ 的值是使得 ${\mathbf{x}}_{ij}$ 最小的参数值，即 $i=2,j=3$。注意：这是返回了两个数据，在Java里面要专门处理，但Python可以直接支持。
• argmin 与函数配合最常见，如：令 $f(x)=x^2+x+1$，则 ${\arg }_{-1\le x\le 1}\min f(x)=-\frac{1}{2}$ 表示 $x$ 取 $-\frac{1}{2}$ 时函数取最小值 $\frac{3}{4}$，只是这个最小值没有人关心。

8.3 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：$\min {\sum }_{(i,j)\in \Omega }(f({\mathbf{x}}_i,{\mathbf{t}}_j)-r_{ij}$