python - ValueError : shapes (20, 14) 和 (13,1) 未对齐 : 14 (dim 1) ! = 13(暗淡 0)

Question

def  cal_cost(theta,X,y):
    m = len(y)    
    predictions = X.dot(theta)
    cost = (1/2*m) * np.sum(np.square(predictions-y))
    return cost

def minibatch_gradient_descent(X,y,theta,learning_rate=0.01,iterations=10,batch_size =20):
    m = len(y)
    cost_history = np.zeros(iterations)
    #n_batches = int(m/batch_size)

    for it in range(iterations):
        cost =0.0
        indices = np.random.permutation(m)
        X = X[indices]
        y = y[indices]
        for i in range(0,m,batch_size):
            X_i = X[i:i+batch_size]
            y_i = y[i:i+batch_size]

            X_i = np.c_[np.ones(len(X_i)),X_i]

            prediction = np.dot(X_i,theta)

            theta = theta -(1/m)*learning_rate*( X_i.T.dot((prediction - y_i)))
            cost += cal_cost(theta,X_i,y_i)
        cost_history[it]  = cost

    return theta, cost_history

theta = np.zeros((X_train.shape[1], 1))
minibatch_gradient_descent(X_train,y_train,theta)

当我运行上面的代码时，我收到以下错误:

ValueError: shapes (20,14) and (13,1) not aligned: 14 (dim 1) != 13 (dim 0)

X_train.shape 为 (404,13)，y_train.shape 为 (404,1)。我正在更新 theta 的值，但它仍然给我错误。

请帮忙。

Answer 1

看起来您的错误发生在 prediction = np.dot(X_i,theta) 中。如果你检查X_i的形状，它将打印出(20,14)。同样，如果您检查 theta 的形状，它将打印出 (13,1)。现在您可以明白为什么不能计算 X_i 和 theta 的点积了。由于您使用 X_i = np.c_[np.ones(len(X_i)),X_i] 向 X_i 添加了附加列，因此其尺寸已更改(最初是是 (20,13) )。因此，您需要向 theta 数组添加一行，以使 theta 的维度为 (14,1)。