python - 值错误 : tnc: invalid gradient vector from minimized function

Question

我正在自学机器学习，当我尝试用 python 编写逻辑回归代码时出现错误。这是来自 Standford 在线类(class)。我已经尝试了很多次，包括将 grad 更改为 grad.ravel()/grad.fatten()，但都没有用。

输入:

import numpy as np

data=np.loadtxt(r'E:\ML\machine-learning-ex2\ex2\ex2data1.txt',delimiter=',')

X=data[:,:2]
y=data[:,2].reshape(-1,1)

def sigmoid(z):
    return 1/(np.exp(-1*z)+1)

def costFunction(theta,X,y):
    m=len(y)
    h=sigmoid(np.dot(X,theta))
    J=-1/m*np.sum((np.dot(y.T,np.log(h))+np.dot((1-y).T,np.log(1-h))))
    grad=1/m*np.dot(X.T,(h-y))
    return J,grad

m,n=np.shape(X)
X=np.hstack((np.ones([m,1]),X))
initial_theta=np.zeros([n+1,1])

import scipy.optimize as opt
result = opt.fmin_tnc(func=costFunction, x0=initial_theta, args=(X, y))

输出:

    ValueError:
    ---> 25 result = opt.fmin_tnc(func=costFunction, x0=initial_theta, args=(X, y))

    ValueError: tnc: invalid gradient vector from minimized function.

Answer 1

好吧，我忘了复制这些代码: m,n=np.shape(X) initial_theta=np.zeros(n+1) 我得到了答案。 x0 参数需要是一维数组，但我给了它一个二维数组。所以只需将 initial_theta 更改为 1D，然后在 costFunction

中将其 reshape 为 2D