机器学习-数学基础1：集合，关系，元组

本文习题资料来自于 闵老师的博客

这次的学习对于我来说确实有难度，自己也是一直在看这次的作业，好多题目没有思路，看到同学都在研究，自己也慢慢的一直在努力。

习题 1.1: { 0 , 1 , { 0 , 1 } , { 1 , 2 } }有几个元素? 机器学习中, 这类形式的集合有什么优点和缺点?

答：一共有4个元素，这四个元素分别为 0 1 { 0 , 1 } { 1 , 2 }。优点：可以存储多种类型的数据，并且每一个元素可以做到套娃。缺点：由于数据的类型不同，维度可能不同，所以处理数据时可能会比较复杂。

习题 1.2: ∅ 的基数是多少? { ∅ } 呢?

答：∅的元素个数是0，所以基数是0。{∅}的元素个数是1，所以基数是1。

习题 1.3：多标签学习中, 输出为一个向量，相应的学习器算不算函数呢?

答：设A和B是两个非空集合，如果按照某种对应关系f,对于集合A中的任何一个元素a，在集合B中都存在唯一的一个元素b与之对应。在多标签学习中，可以学习器可以看作是一个函数，因为在多标签学习中每一个输出数据为一个向量，向量是从多个维度出发的，但与输入是一一对应的。

习题 1.4: 元组只能表达对象的数据部分, 还是可以完整地表达? 用一个具体的程序来说明

答：可以完整的表达。元组可以抽象为一个对象，对象中可以定义数据部分，也可以定义函数部分。

public class School(){
    private String name; // 学校的名字
    private Student student; //学校里的学生
    private Teacher teacher; //学校里的老师
    private String classBegin(){
        return "上课了";
    }
    private String classOver(){
        return "下课了";
    }
}

public class test(){
    public static void main(String[] args){
        School school = new School("西南石油大学",student1,teacher1);
        school.classBegin;
        school.classOver;
    }
}

习题 1.5: 定义二叉树.

习题 1.6: 定义带权无向图.

A weight undirected graph is a tuple $G_w=(\mathbf{V},\mathbf{w})$ , where V = { v 1 , … , v n } \mathbf{V} = \{v_1, \dots, v_n\} V={v1​,…,vn​} is the set of nodes, and w : V × V → R + ∪ { 0 } w: \mathbf{V} \times \mathbf{V} \rightarrow \mathbb{R}^+ \cup \{0\} w:V×V→R+∪{0} is the edge weight function
a)$\forall ⟨v_i,v_j⟩$$\in \mathbf{V}\times \mathbf{V}$,$\mathbf{w}(v_i,v_j)=\mathbf{w}(v_j,v_i)$

总结：

本次学习最重要的是理解元组，由理解元组到了对树，图的定义。因为对他们下定义的时候，把他们当成是一个元组去定义。