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

Question

我正在尝试使用fmin进行逻辑回归，但是由于数组的形状不同，出现了一个错误。这是密码。

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)

任何帮助都将不胜感激

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)

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

但这不是你的costFunc得到的。从错误消息中回溯，看起来x是(3,)，而theta是(118,1)。显然不能是dotted。

您需要检查fmin如何调用您的函数。参数的顺序对吗？例如，也许costFunc(theta, x, y)是正确的顺序（假设costFunc中的x和y与args=(x,y)匹配。

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fmin正在提供costFunc3个参数，它们的大小与(theta, x, y)对应，即(3,)、(118,3)、(118,1)。数字不太吻合，但我想你知道了。consFunc的第一个参数是fmin将变化的参数，其余参数将在args中提供。