logistic regression and numpy: ValueError: operands could not be broadcast together with shapes

Question

这里是机器学习初学者。
在 python 3.7 中，我在尝试运行 numpy.optimize 的 fmin_tnc.
时不断收到此错误我知道这种类型的问题已经被问过好几次了，但是尽管已经多次检查了我的矩阵尺寸和代码，但我还是找不到我的错误。

函数如下：

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)

函数调用，

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，这似乎完成了繁重的工作。在这个函数中，它做的第一件事（第 348 行）几乎是压平 x0:

x0 = asfarray(x0).flatten()

所以你需要做的是在你的函数中重塑它。只需在 compute_cost 函数的开头添加这一行：

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

logistic regression and numpy: ValueError: operands could not be broadcast together with shapes

logistic regression and numpy: ValueError: operands could not be broadcast together with shapes

python

numpy

logistic-regression

array-broadcasting