-2
我正在研究最佳梯度下降問題，並且無法將矩陣乘法轉換爲.dot表示法。以下是示例代碼：梯度下降的線性迴歸，應用.dot（）代替矩陣乘法
def error(theta, x_i, y_i):
return y_i- (theta[0]+theta[1]*x_i)
def vectorized_calculate_SSE(theta):
sse = sum(error(theta, x_i, y_i)**2 for x_i, y_i in data)
我想用.dot（）代替錯誤函數調用和附加矩陣乘法。任何建議將不勝感激。謝謝。
你能提供樣品的輸入和你的預期的輸出？ – Akavall
是的。這裏是進入的數據。我把X和Y放入numpy數組，然後在X中添加一列。 years = np.arange（0,40,0.5） np.random.seed（0） salary = 45000+ np.sqrt（年）* 16789 + np.random.normal（2000,10000，len（年）） y = np.array（工資） ＃將X轉換爲nX2矩陣，n爲樣本數，和X的第一列是1 X = np.array（年） ＃創建一個那些矢量 那些= np.ones（（X.shape [0]，1）） ＃將那些與第一向量/列中的X X = np.reshape（X，（X.shape [0]，1）） X = np.concatenate（（ ，X），axis = 1） – LazenbyAce