离散数学作业-day5

作业1 定义一个标签分布系统, 即各标签的值不是 0/1, 而是 $[0,1]$ 区间的实数, 且同一对象的标签和为 1

A multi-label distribution decision system is a tuple $S=(\mathbf{X},\mathbf{Y})$ where $\mathbf{X}=[x_{ij}{]}_{n\times m}\in {\mathbb{R}}^{n\times m}$ is the data matrix, $\mathbf{Y}=[y_{ik}{]}_{n\times l}\in [0,1{]}^{n\times l}$ is the label matrix, s.t. ${\sum }_{t=1}^k{y}_{ik}=1$, $n$ is the number of instances, $m$ is the number of features, and $l$ is the number of labels.

作业2 找一篇你们小组的论文来详细分析数学表达式, 包括其涵义, 规范, 优点和缺点.

数学表达式：
$$\underset{{\mathbf{v}}^{(j)}}{\min }E\left({\mathbf{v}}^{(j)}\right)=\sum _{i=1}^{l}L\left(y_i,g^{(j)}({\mathbf{x}}_i)\right)+\sum _{i=l+1}^{l+u}{v}_i^{(j)}L\left({\overline{g}}^{(j-1)}({\mathbf{x}}_i),g^{(j)}({\mathbf{x}}_i)\right)$$
涵义：在第$j$个视角上，在输入为${\mathbf{v}}^{(j)}$的情况下，使模型在标记数据与伪标记数据上的预测损失最小。
优点：简介明了，变量名为出现混用的情况。
缺点：无法一次性讲整个多个视角之间的优化情况写出。