12、关系操作中的扩展、合并、打包与解包

关系操作中的扩展、合并、打包与解包

1. 区间相关定义与问题解答

1.1 区间定义条件

对于区间集合 (X) 中的区间 (i),它必须是 (X) 中至少一个区间 (i_2) 的端点(这里 (i_1) 和 (i_2) 不一定不同)。为了确保 (i_1) 既不在 (i_2) 之后开始,也不在 (i_2) 之后结束,我们要求 (b_1 \leq b_2) 且 (e_1 \leq e_2),这样就能明确 (BEGIN(i)) 是 (b_1),而不是 (b_2);(END(i)) 是 (e_2),而不是 (e_1)。

同时,代码中的第 4 到 6 行保证了 (X) 中不存在包含 (BEGIN(i)) 的前一个元素 (b - 1) 的区间,因为如果存在这样的区间,它必须与 (i) 合并。同理,第 8 到 10 行保证了 (X) 中不存在包含 (END(i)) 的后一个元素 (e + 1) 的区间。最后,第 12 到 15 行保证了如果 (i_1) 和 (i_2) 之间存在“间隙”(即 (i_1) 与 (i_2) 不相邻),那么这个间隙中的每个点都包含在 (X) 中的某个区间内,因此可以合理地包含在 (i) 中。

1.2 不同情况下的结果

针对集合 (X) 的不同情况,有以下结果:
- 当 (X) 为空时,(COLLAPSE(X)) 等于 (X)。
- 当 (X) 只包含一个区间时,(COLLAPSE(X)) 也等于 (X)。
- 当 (X) 包含一个起始点等于 (FIRST_T()) 或结束点等于 (LAST_T()) 的区间时,具体情况可参考上述解释的第四句。

2. 将集合视为一元关系 </

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值