标签：mathbf R1 cup 矩阵 day2 补档 离散数学 ij rij
作业1
（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
=
{
(
1
,
1
)
,
(
1
,
5
)
,
(
1
,
9
)
,
(
2
,
2
)
,
(
2
,
8
)
,
(
5
,
1
)
,
(
5
,
5
)
,
(
5
,
9
)
,
(
8
,
2
)
,
(
8
,
8
)
,
(
9
,
1
)
,
(
9
,
5
)
,
(
9
,
9
)
}
\mathbf{R}=\{(1,1),(1,5),(1,9),(2,2),(2,8),(5,1),(5,5),(5,9),(8,2),(8,8),(9,1),(9,5),(9,9)\}
R={(1,1),(1,5),(1,9),(2,2),(2,8),(5,1),(5,5),(5,9),(8,2),(8,8),(9,1),(9,5),(9,9)}
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
\mathbf{R}_1
R1和
R
2
\mathbf{R}_2
R2
并计算
R
1
∘
R
2
\mathbf{R}_1∘\mathbf{R}_2
R1∘R2,
R
1
+
\mathbf{R}_1^+
R1+与
R
1
∗
\mathbf{R}_1^*
R1∗
R
1
=
{
(
a
,
b
)
∈
A
×
A
∣
a
/
2
=
b
/
2
}
=
{
(
2
,
2
)
,
(
2
,
8
)
,
(
8
,
2
)
,
(
8
,
8
)
}
\mathbf{R}_1=\{(a, b) \in \mathbf{A} \times \mathbf{A} \mid a / 2=b / 2\}=\{(2,2),(2,8),(8,2),(8,8)\}
R1={(a,b)∈A×A∣a/2=b/2}={(2,2),(2,8),(8,2),(8,8)}
R
1
=
{
(
a
,
b
)
∈
A
×
A
∣
a
=
b
m
o
d
3
}
=
{
(
2
,
2
)
,
(
2
,
5
)
,
(
2
,
8
)
,
(
5
,
2
)
,
(
5
,
5
)
,
(
5
,
8
)
,
(
8
,
2
)
,
(
8
,
5
)
,
(
8
,
8
)
}
\mathbf{R}_1=\{(a, b) \in \mathbf{A} \times \mathbf{A} \mid a =b \mod 3\}=\{(2,2),(2,5),(2,8),(5,2),(5,5),(5,8),(8,2),(8,5),(8,8)\}
R1={(a,b)∈A×A∣a=bmod3}={(2,2),(2,5),(2,8),(5,2),(5,5),(5,8),(8,2),(8,5),(8,8)}
R
1
+
=
⋃
i
=
1
∣
A
∣
R
i
=
R
1
∪
R
2
∪
R
3
∪
R
4
∪
R
5
=
{
(
2
,
2
)
,
(
2
,
8
)
,
(
8
,
8
)
}
\mathbf{R}_1^+=\bigcup_{i=1}^{|\mathbf{A}|} \mathbf{R}^{i}=\mathbf{R}^{1} \cup \mathbf{R}^{2} \cup \mathbf{R}^{3} \cup \mathbf{R}^{4} \cup \mathbf{R}^{5}=\{(2,2),(2,8),(8,8)\}
R1+=⋃i=1∣A∣Ri=R1∪R2∪R3∪R4∪R5={(2,2),(2,8),(8,8)}
R
1
∗
=
R
1
+
∪
A
0
=
{
(
2
,
2
)
,
(
2
,
8
)
,
(
8
,
8
)
}
\mathbf{R}_1^*=\mathbf{R}_1^+\cup \mathbf{A}^0=\{(2,2),(2,8),(8,8)\}
R1∗=R1+∪A0={(2,2),(2,8),(8,8)}
作业2
（1）给定一个矩阵并计算其各种范数
给定矩阵
X
=
[
1
2
3
4
]
\mathbf{X}=\begin{bmatrix} 1&2\\ 3&4\\ \end{bmatrix}
X=[1324]
l
0
=
∣
∣
X
∣
∣
0
=
4
l_0=||\mathbf{X}||_0=4
l0=∣∣X∣∣0=4;
l
1
=
∣
∣
X
∣
∣
1
=
1
+
2
+
3
+
4
=
10
l_1=||\mathbf{X}||_1=1+2+3+4=10
l1=∣∣X∣∣1=1+2+3+4=10;
l
2
=
∣
∣
X
∣
∣
1
=
1
2
+
2
2
+
3
2
+
4
2
=
30
l_2=||\mathbf{X}||_1=\sqrt{1^2+2^2+3^2+4^2}=\sqrt{30}
l2=∣∣X∣∣1=12+22+32+42
=30
;
l
∞
=
∣
∣
X
∣
∣
1
=
4
l_\infin=||\mathbf{X}||_1=4
l∞=∣∣X∣∣1=4;
(2)解释优化目标式子：
min
∑
(
i
,
j
∈
Ω
)
(
f
(
x
i
,
t
j
)
−
r
i
j
)
(1)
\min \sum_{(i,j\in\Omega)}(f(\mathbf{x}_i,\mathbf{t}_j)-r_{ij})\tag{1}
min(i,j∈Ω)∑(f(xi,tj)−rij)(1)
式中：
X
=
[
x
1
,
…
,
x
n
]
\mathbf{X}=[\mathbf{x}_1,\dots,\mathbf{x}_n]
X=[x1,…,xn]表示用户信息；
T
=
[
t
1
,
…
,
t
n
]
\mathbf{T}=[\mathbf{t}_1,\dots,\mathbf{t}_n]
T=[t1,…,tn]表示商品信息；
r
i
j
r_{ij}
rij表示评分矩阵
R
=
(
r
i
j
)
n
×
m
\mathbf{R} = (r_{ij})_{n×m}
R=(rij)n×m中具体的某个评分；
Ω
Ω
Ω 为评分矩阵
R
\mathbf{R}
R中非零元素对应位置的集合;
f
:
R
d
u
×
R
d
t
→
R
f: R^{d_{u}} \times R^{d_{t}} \rightarrow R
f:Rdu×Rdt→R中，
d
u
d_{u}
du与
d
t
d_{t}
dt分别表示用户和商品的属性树；
该式要学习一个
f
f
f 用于商品的推荐，使得预测结果
f
(
x
i
,
t
j
)
f(\mathbf{x}_i,\mathbf{t}_j)
f(xi,tj)与真实值
r
i
j
r_{ij}
rij均方误差MSE最小。
.
标签：mathbf,R1,cup,矩阵,day2,补档,离散数学,ij,rij 来源： https://blog.csdn.net/qq_52512724/article/details/119489513
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。