逻辑回归和numpy:valueerror:操作数不能与形状一起播放

Question

机器学习初学者。
在Python 3.7中，我在尝试运行numpy.ptimize的fmin_tnc时不断遇到此错误。
我知道这种类型的问题已经多次问过，但是尽管检查了我的矩阵维度和代码几次，但我找不到我的错误。

这是功能：

def compute_cost(theta, X, y, lambda_):
    m = len(y)
    mask = np.eye(len(theta))
    mask[0,0] = 0
    hypo = sigmoid(X @ theta)
    func = y.T @ np.log(hypo) + (1-y.T) @ np.log(1-hypo)
    cost = -1/m * func
    reg_cost = cost + lambda_/(2*m) * (mask@theta).T @ (mask@theta)
    grad = 1/m * X.T@(hypo-y) + lambda_/m * (mask@theta)
    return reg_cost.item(), grad

这是我的尺寸：

X: (118, 3)
y: (118, 1)
theta: (3, 1)

功能调用，

initial_theta = np.zeros((3,1))
lambda_ = 1
thetopt, nfeval, rc = opt.fmin_tnc(
    func=compute_cost, 
    x0=initial_theta, 
    args=(X, y, 1)
)

和错误。

File "<ipython-input-21-f422f885412a>", line 16, in compute_cost
    grad = 1/m * X.T@(hypo-y) + lambda_/m * (mask@theta)
ValueError: operands could not be broadcast together with shapes (3,118) (3,)

感谢您的帮助！

Answer 1

在scipy.optimize.tnc中，fmin_tnc函数调用_minimize_tnc，它似乎可以进行繁重的举重。在此功能中，它几乎是第一件事（第348行）将其弄平x0：

x0 = asfarray(x0).flatten()

所以您需要做的就是将其重塑在您的功能中。只需在您的Compute_cost函数的乞讨中添加此行：

theta = theta.reshape((3, 1))