Python中的Gradient Descent实现

Question

我陷入了在python中实现渐变下降的地步。

梯度下降的公式为：

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

出现错误：

  

---＆GT; hypo_function = np.sum（np.dot（np.dot（theta.T，X）-y，X [：，iter]））   ValueError：形状（1,97）和（2，）未对齐：97（暗淡1）！= 2（暗淡0）

PS：这里我的X是（2L，97L），y是（97L，）theta是（2L，）。

Answer 1

np.dot（a，b）取a和b的内积，如果a和b是向量（1-D数组）如果a和b是2D数组， np .dot（a，b）进行矩阵乘法。

如果a的最后一个维度的大小与b的倒数第二个维度之间存在不匹配，则会抛出ValueError。他们必须匹配。

在你的情况下，你试图在你的一个点积中乘以一个2个数组的数组乘以97个数组，所以存在不匹配。所以你需要修改输入数据，这样点积/矩阵乘法是可计算的。