第四天
1.令
A
=
{
1
,
2
,
5
,
8
,
9
}
\mathbf{A} =\{1,2,5,8,9\}
A={1,2,5,8,9},写出
A
\mathbf{A}
A上的“模2同余”关系及相应的划分。
R={(a,b)∈A×A∣amod2=bmod2}
R = { ( 1 , 5 ) , ( 1 , 9 ) , ( 2 , 8 ) , ( 5 , 1 ) , ( 5 , 9 ) , ( 8 , 2 ) , ( 9 , 1 ) , ( 9 , 5 ) , ( 1 , 1 ) , ( 2 , 2 ) , ( 5 , 5 ) , ( 8 , 8 ) , ( 9 , 9 ) } \mathbf{R} = \{(1, 5), (1, 9), (2, 8), (5, 1), (5, 9), (8, 2), (9, 1),(9, 5), (1, 1), (2, 2), (5, 5), (8, 8), (9, 9)\} R={(1,5),(1,9),(2,8),(5,1),(5,9),(8,2),(9,1),(9,5),(1,1),(2,2),(5,5),(8,8),(9,9)}
划分: P = { { 1 , 5 , 9 } , { 2 , 8 } } \mathcal P = \{\{1, 5, 9\}, \{2, 8\}\} P={{1,5,9},{2,8}}
2.令 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 R 1 {R}_1 R1 和 R 2 {R}_2 R2,并计算 R 1 R 2 {R}_1 {R}_2 R1R2, R 1 + {R}_1^+ R1+, R 1 ∗ {R}_1^* R1∗
现有
R
1
=
{
(
1
,
5
)
,
(
1
,
9
)
,
(
2
,
8
)
,
(
5
,
9
)
,
(
9
,
8
)
}
R_1 = \{(1,5), (1,9), (2, 8), (5, 9), (9, 8)\}
R1={(1,5),(1,9),(2,8),(5,9),(9,8)}
R
2
=
{
(
9
,
5
)
,
(
8
,
1
)
,
(
2
,
1
)
}
R_2 = \{(9, 5), (8, 1), (2, 1)\}
R2={(9,5),(8,1),(2,1)}
R
1
R
2
=
{
(
1
,
5
)
,
(
2
,
1
)
,
(
5
,
5
)
,
(
9
,
1
)
}
R_1R_2 =\{(1,5),(2,1),(5,5),(9,1)\}
R1R2={(1,5),(2,1),(5,5),(9,1)}
R
1
+
=
{
(
1
,
5
)
,
(
1
,
9
)
,
(
2
,
8
)
,
(
5
,
9
)
,
(
9
,
8
)
,
(
1
,
8
)
,
(
5
,
8
)
}
R_1^+=\{(1,5),(1,9),(2,8),(5,9),(9,8),(1,8),(5,8)\}
R1+={(1,5),(1,9),(2,8),(5,9),(9,8),(1,8),(5,8)}
R
1
∗
=
{
(
1
,
5
)
,
(
1
,
9
)
,
(
2
,
8
)
,
(
5
,
9
)
,
(
9
,
8
)
,
(
1
,
8
)
,
(
5
,
8
)
,
(
1
,
1
)
,
(
2
,
2
)
,
(
5
,
5
)
,
(
8
,
8
)
,
(
9
,
9
)
}
R_1^*=\{(1,5),(1,9),(2,8),(5,9),(9,8),(1,8),(5,8),(1,1),(2,2),(5,5),(8,8),(9,9)\}
R1∗={(1,5),(1,9),(2,8),(5,9),(9,8),(1,8),(5,8),(1,1),(2,2),(5,5),(8,8),(9,9)}
第五天
举例说明你对函数的认识
在函数
y
=
2
x
y = 2x
y=2x 中,称
x
x
x为自变量,
y
y
y 为因变量,当
x
x
x取一个值的时候,
y
y
y的值也确定了。
同时,函数也可以描述为集合到集合的映射,即
f
:
R
→
R
f: R \to R
f:R→R, 函数表示为
y
=
f
(
x
)
y = f ( x )
y=f(x),对于
∈
R
∈R
∈R 的任意
y
y
y,都有唯一的
x
∈
R
x∈R
x∈R 与之对应。
第六天
自己给定一个矩阵并计算其各种范数.(书写上对于求和符号sum的上下标,文字内显示和作为重要表达式显示有所不同)
范数:
∣
∣
X
∣
∣
p
=
(
∑
i
,
j
∣
x
i
j
∣
p
)
1
p
.
(1)
||\mathbf{X}||_p = \left( \sum_{i, j} \vert x_{ij}\vert^p \right)^\frac{1}{p} \tag{1}.
∣∣X∣∣p=(i,j∑∣xij∣p)p1.(1)
有矩阵
X
=
[
0
1
2
3
]
\mathbf X=\begin{bmatrix} 0&1\\ 2&3\\ \end{bmatrix}
X=[0213]
l
0
l_ 0
l0范数:
∣
∣
X
∣
∣
0
=
∣
{
(
i
,
j
)
∣
x
i
j
≠
0
}
∣
=
3
∣ ∣ X ∣ ∣ _0 = ∣\{ ( i , j ) ∣ x _{ij} ≠ 0 \} ∣ = 3
∣∣X∣∣0=∣{(i,j)∣xij=0}∣=3
l
1
l_1
l1范数:
∣
∣
X
∣
∣
1
=
∑
i
,
j
∣
x
i
j
∣
=
6
∣ ∣ X ∣ ∣ _1 = \sum_{i, j} | x_{ij}|= 6
∣∣X∣∣1=∑i,j∣xij∣=6
l
2
l_2
l2范数:
∣
∣
X
∣
∣
2
=
3.742
||X||_2=3.742
∣∣X∣∣2=3.742
l
∞
l_∞
l∞范数
∣
∣
X
∣
∣
∞
=
3
||X||_∞=3
∣∣X∣∣∞=3
解释推荐系统: 问题、算法与研究思路 2.1 中的优化目标
m
i
n
∑
(
i
,
j
)
∈
Ω
(
f
(
x
i
,
t
j
)
−
r
i
,
j
)
2
min\sum_{(i,j) \in \Omega}(f(\mathbf x_i, \mathbf t_j) - r_{i,j})^2
min∑(i,j)∈Ω(f(xi,tj)−ri,j)2
各符号及其含义
x
i
\mathbf x_i
xi是用户
i
i
i的信息
t
j
\mathbf t_j
tj是商品
j
j
j的信息
r
i
,
j
=
0
\mathbf r_{i,j}=0
ri,j=0是用户
i
i
i看过商品
j
j
j