Python:ValueError: 形状 (3,) 和 (118,1) 未对齐:3 (dim 0) != 118 (dim 0)

Question

我正在尝试使用 fmin 进行逻辑回归，但由于数组形状不同而出现错误。这是代码。

import numpy as np

import scipy.optimize as sp

data= #an array of dim (188,3)

X=data[:,0:2]
y=data[:,2]
m,n=np.shape(X)
y=y.reshape(m,1)
x=np.c_[np.ones((m,1)),X]
theta=np.zeros((n+1,1))


def hypo(x,theta): 
    return np.dot(x,theta)

def sigmoid(z):
    return 1/(1+np.exp(-z))
    
def gradient(x,y,theta):#calculating Gradient
    m=np.shape(x)[0]
    t=hypo(x,theta)
    hx=sigmoid(t)
    J=-(np.dot(np.transpose(np.log(hx)),y)+np.dot(np.transpose(np.log(1-hx)),(1-y)))/m
    grad=np.dot(np.transpose(x),(hx-y))/m
    J= J.flatten()
    grad=grad.flatten()
    return J,grad
    
def costFunc(x,y,theta):    
    return gradient(x,y,theta)[0]
    
def Grad():
   return gradient(x,y,theta)[1]

sp.fmin( costFunc, x0=theta, args=(x, y), maxiter=500, full_output=True)

显示的错误

File "<ipython-input-3-31a0d7ca38c8>", line 35, in costFunc

return gradient(x,y,theta)[0]

File "<ipython-input-3-31a0d7ca38c8>", line 25, in gradient

t=hypo(x,theta)

File "<ipython-input-3-31a0d7ca38c8>", line 16, in hypo

return np.dot(x,theta)

ValueError: shapes (3,) and (118,1) not aligned: 3 (dim 0) != 118 (dim 0)

任何形式的帮助将不胜感激

Answer 1

data= #an array of dim (188,3)

X=data[:,0:2]
y=data[:,2]
m,n=np.shape(X)
y=y.reshape(m,1)
x=np.c_[np.ones((m,1)),X]
theta=np.zeros((n+1,1))

所以在这之后

In [14]: y.shape
Out[14]: (188, 1)   # is this (118,1)?
In [15]: x.shape
Out[15]: (188, 3)
In [16]: theta.shape
Out[16]: (3, 1)

这x和 theta可以dotted - np.dot(x,theta) , 和 (188,3) 与 (3,1) - 匹配 3。

但这不是你的 costFunc正在得到。从错误消息中追溯它看起来像 x是(3,) , 和 theta是(118,1) .这显然不能是 dotted .

您需要查看如何 fmin调用你的函数。您的参数顺序正确吗？例如，也许 costFunc(theta, x, y)是正确的顺序(假设 x 和 y 在 costFunc 是为了匹配 args=(x,y) 。

fmin 的文档包括:

func : callable func(x,*args)
    The objective function to be minimized.
x0 : ndarray
    Initial guess.
args : tuple, optional
    Extra arguments passed to func, i.e. ``f(x,*args)``.

看起来像fmin正在喂你的costFunc 3 个参数，大小对应于您的 (theta, x, y) ，即 (3,) , (118,3) , (118,1) .这些数字不太匹配，但我想你明白了。 consFunc 的第一个参数是fmin会有所不同，其余的请在 args 中提供.