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
=
(
V
,
w
)
G_w = (\mathbf{V}, \mathbf{w})
Gw=(V,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)
∀
⟨
v
i
,
v
j
⟩
\forall\langle v_i,v_j\rangle
∀⟨vi,vj⟩
∈
V
×
V
\in\mathbf{V} \times \mathbf{V}
∈V×V,
w
(
v
i
,
v
j
)
=
w
(
v
j
,
v
i
)
\mathbf{w}(v_i,v_j)=\mathbf{w}(v_j,v_i)
w(vi,vj)=w(vj,vi)
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。