python - Andrew Ng 的 ML 课程（在 python 中）- 对多个变量应用梯度下降，对直觉感到困惑

Question

我正在尝试创建具有多个变量的梯度下降方程。方程图片： https ://www.holehouse.org/mlclass/04_Linear_Regression_with_multiple_variables_files/Image%20[3].png

最终解决方案是：

theta = theta - alpha *((np.dot((np.dot(X,theta)-y), X))*(1/m)). 

我通过添加额外的“np.sum”犯了一个错误：

theta = theta - alpha *((`np.sum`(((np.dot((np.dot(X,theta)-y), X))*(1/m))))*(1/m))

我很困惑为什么解决方案不需要np.sum求和，或者求和何时发生？

标签： pythonmachine-learning

Answer 1

np.dot包括相乘元素的总和。

dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])

检查文档