梯度下降块状线性回归

Question

嘿，我正在尝试在numpy中实现梯度下降以进行线性回归 我的损失是：

def compute_square_loss(X, y, theta):

 size=len(y)
 y_estimate=X.dot(theta)
 y_estimate=np.array(y_estimate)
 y=np.array(y)

 error=y_estimate.flatten()-y.flatten()

 error=(1/size)*np.sum(error**2)
 return error

这是针对错误，然后针对渐变我尝试

def compute_square_loss_gradient(X, y, theta):

 error=compute_square_loss(X,y,theta)

 gradient = -(2.0/size) * np.dot(error,X)
 return gradient

这将返回一个长度为1460（数据大小）而不是39（特征大小）的数组。有人可以告诉我如何解决这个问题吗？我正在使用MSE