4、集合论与自然数:数学基础的探索

集合论与自然数:数学基础的探索

1. 拉姆齐定理与集合论的引入

1.1 拉姆齐定理

拉姆齐定理是一个重要的数学成果。对于正整数 (k)、(m),以及对自然数的 (k) - 元子集进行 (m) 种颜色的染色,必然存在一个无限的单色子集 (X)(即该子集中所有 (k) - 元子集颜色相同)。其证明采用对 (k) 进行归纳的方法,通过“梳理”论证将 (k + 1) 的情况归结为 (k) 的情况。

我们可以通过构建一棵树来辅助理解。树的顶点是不存在大小为 (n) 的单色子集的染色情况,根节点是单元素集 ({1}) 的元素对的空染色。若对于某个 (r),一个染色是在 ({1, \cdots, r}) 上,另一个是在 ({1, \cdots, r + 1}) 上,且第二个是第一个在更大集合上的扩展,那么这两个染色由一条边相连。假设有限拉姆齐定理不成立,这棵树就是无限的,且由于有限集上的染色数量有限,它是有限分支的。根据柯尼格引理,存在一条无限分支,即一系列逐渐扩展的染色,取它们的并集作为所有对的染色。显然,如果存在大小为 (n) 的单色子集,它必然已经在某个染色中。

1.2 集合论的起源

集合的概念由乔治·康托尔(Georg Cantor,1845 - 1918)引入数学领域。尽管之前哲学和逻辑中也有类似思想,但康托尔是在解决数学问题时独立得出这一概念的。他发现集合不仅是一种良好的方法论工具,还对获得数学结果很有用。然而,当时除少数人外,数学家们忽视了他的成果。直到几十年后,集合论才被数学界接受。

康托尔在数学上的第一个重要成果与实数上的函数有关。他证明了关于三角级数(正弦和余弦函数的级数)的定理,该定理在物理学中用于将声音

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
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