5. 函数
函数 (映射) 有定义域与值域, 且对于定义域的每个值, 在值域中有且仅有一个值与其对应.
当定义域与值域仅涉及到数 (实数、虚数或其子集时), 习惯称为函数; 其它情况, 习惯称为映射.
5.1 一元函数
f
:
R
→
R
f: \mathbb{R} \to \mathbb{R}
f:R→R. 源码: f(x): \mathbb{R} \to \mathbb{R}
f
(
x
)
=
x
2
+
1
f(x) = x^2 + 1
f(x)=x2+1
x
↦
x
2
+
1
x \mapsto x^2 + 1
x↦x2+1. 源码: x \mapsto x^2 + 1.
分析
- 函数的定义域必须要准确申明.
- 函数的值域可以写成实际取值范围的超集. 如这里的实际取值范围为 [ 1 , ∞ ) [1, \infty) [1,∞), 写成 R \mathbb{R} R 也行.
- 可以多对一,但不可以一对多.
- 逆函数 f − 1 ( x ) f^{-1}(x) f−1(x) 不一定存在. 如果存在, 就是一一映射了.
课堂练习
画出这个函数的曲线.
讨论
f
:
R
→
R
f: \mathbb{R} \to \mathbb{R}
f:R→R 的点构成
R
×
R
\mathbb{R} \times \mathbb{R}
R×R 的子集, 它可以看作
R
\mathbb{R}
R 上的二元关系吗?
反过来肯定不行, 如
x
2
+
y
2
=
1
x^2 + y^2 = 1
x2+y2=1 可以看作是
R
\mathbb{R}
R 上的二元关系, 但它无法写成
y
=
f
(
x
)
y = f(x)
y=f(x) 的形式.
某些领域所说的多解性, 就是指
f
(
x
)
f(x)
f(x) 有多种可能, 所以无法获得确定的函数. 在这里, 如果
x
=
0
x = 0
x=0, 则
y
=
±
1
y = \pm 1
y=±1. 源码: y = \pm 1.
5.2 多元函数
f
:
R
2
→
R
f: \mathbb{R}^2 \to \mathbb{R}
f:R2→R.
f
(
x
,
y
)
=
x
2
+
y
2
f(x, y) = x^2 + y^2
f(x,y)=x2+y2.
思考
这个函数长什么样子?
机器学习的回归, 就是学习函数
f
:
R
m
→
R
f: \mathbb{R}^m \to \mathbb{R}
f:Rm→R, 其中
m
m
m 为条件属性数.
5.3 函数的值域
函数值不一定为单个的实数、整数, 还可以为一个向量. 从集合的角度, 笛卡尔积是集合, 可以作为值域.
f
:
R
2
→
R
2
f: \mathbb{R}^2 \to \mathbb{R}^2
f:R2→R2.
如
f
(
x
,
y
)
=
(
x
+
y
,
x
−
y
)
f(x, y) = (x + y, x - y)
f(x,y)=(x+y,x−y).
可以将这个函数拆开, 分别定义
f
1
(
x
,
y
)
=
x
+
y
f_1(x, y) = x + y
f1(x,y)=x+y
和
f
2
(
x
,
y
)
=
x
−
y
f_2(x, y) = x - y
f2(x,y)=x−y
易知: 如果
f
1
f_1
f1 或
f
2
f_2
f2 中的任何一个不成立 (多解性), 则
f
f
f 不成立.
在多标签学习中, 就是学习
f
:
R
m
→
{
−
1
,
+
1
}
L
f: \mathbb{R}^m \to \{-1, +1\}^L
f:Rm→{−1,+1}L.
在多标签分布学习中, 就是学习
f
:
R
m
→
[
0
,
1
]
L
f: \mathbb{R}^m \to [0, 1]^L
f:Rm→[0,1]L, 其中
m
m
m 为条件属性数,
L
L
L 为标签数.
5.4 名词型数据集的拟合函数
决策树数据集
给定一组属性及其相应的取值范围, 如 outlook (
V
1
\mathbf{V}_1
V1 = {sunny, rainy, overcast}), temperature (
V
2
\mathbf{V}_2
V2 = {hot, mild, cool}), humidity (
V
3
\mathbf{V}_3
V3 = {high, low, normal}), windy (
V
4
\mathbf{V}_4
V4 = {mild, strong}), play (
V
d
\mathbf{V}_d
Vd = {yes, no}), 则需要学习的函数为
f
:
V
1
×
V
2
×
V
3
×
V
4
→
V
d
f: \mathbf{V}_1 \times \mathbf{V}_2 \times \mathbf{V}_3 \times \mathbf{V}_4 \to \mathbf{V}_d
f:V1×V2×V3×V4→Vd.
5.5 作业
举例说明你对函数的认识.