离散数学入门级概念：集合、关系、元组

集合、关系、元组

原文链接：https://blog.csdn.net/minfanphd/article/details/116245485

一：集合与元素的关系

基数：(cardinal number)

一个集合内所有元素的个数称为基数，即为|A|或者cardA，其中A是集合名称

例如

   1:集合A = (a,b,c),那么|A|=3(cardA=3),因为A中的元素为{a},{b},{c}.

     
   2:B = ((a,b,c),d),那么|B|=2,(cardB=2),因为B中只有两个元素{a,b,c}和{d}.

习题 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?

{ 0 , 1 , { 0 , 1 } , { 1 , 2 } } 有4个元素，分别为{0},{1},{0,1},{1,2}。
优点：机器学习，会对样本数据进行分类，使用该集合的表示方法，可以很好的对其不同类的数据进行统一表示。
缺点：样本数据涉及多个维度，处理过程较麻烦。

习题 2: ∅的基数是多少? { ∅ } 呢?

card(∅)=0，card({ ∅ })=1.

二、函数

对于函数定义域上的每个点, 均在值域中有一个唯一的点与之对之. 反之不然.

单标签分类

在传统的单标签分类中，训练集中的每一个样本只有一个相关的标签 l ，这个标签来自于一个不重合的标签集合L

多标签分类

简单的说就是同一个实例，可以有多个标签， 或者被分为多个类

一个多标签分类器h是一个映射X(样本空间)->Y(可能的标签集),对每一个实例x∈X分配一个标签子集。因此分类器h的输出是一个向量h(x)=(h₁(x),h₂(x)…h_m(x)).

习题 5: 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?
在多标签分类中，对于每一个实例x，都会有一组对应的标签集合，所以多标签分类器是函数。

三、元组

从数据结构的角度, 元组就是抽象数据类型; 从面向程序设计的角度, 元组就是一个类. 当我们定义一个类的时候, 它有 k 个成员变量, 就是 k 元组. 各个成员变量可以取不同的定义域, 可以是数值、字符、集合，甚至元组.

习题 6: 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.
可以完整的表达.

public class Graph {
    private List<Node> node;
    private List<E> vector;
}
class Node {
    private int val;
    private char info;
}
class E{
    private Node from;
    private Node to;
}

习题 7: 定义二叉树.

----------答案参考闵老师原文-----------

习题 8: 定义带权无向图.

A weighted undirected graph is a tuple $G_w$ =($V,E,w$),where $V$ = { $v_1$$,...,$$v_n$} is the set of nodes,and $E\subseteq$$V$$\times$$V$is the set of edges, and $w$ : $V$ $\times$ $V$$\to \mathbb{R}\cup${0} is the edge weight function,and$<$$v_i,v_j$$>$$\in$$E$ iff $<$$v_{}$