时间戳

首页 > 解决方案 > 梯度下降算法引发 valueError

machine-learning - 梯度下降算法引发 valueError

问题描述

我有这些用于多元回归的梯度下降算法，但它提出了一个

ValueError: operands could not be broadcast together with shapes (3,) (3,140).

我在stackoverflow上查看了有关广播错误的其他答案，并且文档中说矩阵的维度必须相同或任何一个矩阵必须为1。但是我怎样才能使我的theta具有相同的维度。

请不要将其标记为重复。

我的 x 有暗淡 (140,3) ， y 有 (140,1)，alpha=0.0001 

def find_mse(x,y,theta):
    return np.sum(np.square(np.matmul(x,theta)-y))*1/len(x)       



def gradientDescent(x,y,theta,alpha,iteration):
    theta=np.zeros(x.shape[1])
    m=len(x)
    gradient_df=pd.DataFrame(columns=['coeffs','mse'])

    for i in range(iteration):
        gradient = (1/m) * np.matmul(x.T, np.matmul(x, theta) - y)
        theta = np.mat(theta) - alpha * gradient
        cost = compute_cost(X, y, theta)
        gradient_df.loc[i] = [theta,cost]

    return gradient_df

标签： machine-learninglinear-regressiongradient-descent

解决方案

您正在x与 shape(140, 3)相乘theta以产生应该具有 shape 的输出(140, 1)。要实现这一点，您theta应该具有(3, 1). 您需要theta按以下方式初始化

theta = np.zeros((x.shape[1], y.shape[1]))

推荐阅读