Python中的漸變下降實現

Question

我在用python實現漸變下降的時候遇到了困難。

爲梯度下降的公式爲：

for iter in range(1, num_iters): 
    hypo_function = np.sum(np.dot(np.dot(theta.T, X)-y, X[:,iter])) 

    theta_0 = theta[0] - alpha * (1.0/m) * hypo_function 
    theta_1 = theta[1] - alpha * (1.0/m) * hypo_function 

得到了一個錯誤：

---> hypo_function = np.sum(np.dot(np.dot(theta.T, X)-y, X[:,iter])) ValueError: shapes (1,97) and (2,) not aligned: 97 (dim 1) != 2 (dim 0)

PS：這裏我的X爲（2L，97L），Y是（97L）theta是（ 2L）。

Answer 1

np.dot（A，B）取的內積和b，如果a和b是向量（1-d陣列）如果a和b是2D陣列，np.dot（A，B ）做矩陣乘法。

如果a的最後一個維度的大小與b的第二個維度的大小不匹配，它將拋出ValueError。他們必須匹配。

在你的情況下，你正試圖乘以一個由97數組中的東西乘以某個數組中的某個數組，這樣就會出現不匹配。所以你需要修正你的輸入數據，所以點積/矩陣乘法是可計算的。