grad = (1/m * (h-y)' * X) + lambda * [0;theta(2:end)]'/m;
cost = 1/(m) * sum(-y .* log(h) - (1-y) .* log(1-h)) + lambda/m/2*sum(theta(2:end).^2);
如何将这两行更改为python？我试图使用
zip做与'相同的工作。但是它显示了错误。
请您参考如下方法:
简短答案：
MATLAB中的'运算符是矩阵（共轭）转置运算符。它围绕维度翻转矩阵，并采用矩阵的复共轭（第二部分是使人绊倒的东西）。简短的答案是Python中a'的等效项是np.atleast_2d(a).T.conj()。
答案略长：
除非您真的知道自己在做什么，否则不要在MATLAB中使用'。使用.'，这是普通的转置。它等效于Python中的np.atleast_2d(a).T（无共轭）。如果确定python中的a.ndim >= 2，则可以使用a.T。如果确定Python中的a.ndim == 1，则可以使用a[None].T。如果您确定Python中的a.ndim == 0然后转置是没有意义的，那么就随便做什么。
很长的答案：
转置的基本思想是围绕一个维度翻转数组或矩阵，因此请考虑以下事项：
>> a=[1,2,3,4,5,6]
a =
1 2 3 4 5 6
>> a'
ans =
1
2
3
4
5
6
>> b=[1,2,3;4,5,6]
b =
1 2 3
4 5 6
>> b'
ans =
1 4
2 5
3 6
因此，很显然
'进行了转置。但这是欺骗：
c=[1j,2j,3j,4j,5j,6j]
c =
Columns 1 through 3
0.000000000000000 + 1.000000000000000i 0.000000000000000 + 2.000000000000000i 0.000000000000000 + 3.000000000000000i
Columns 4 through 6
0.000000000000000 + 4.000000000000000i 0.000000000000000 + 5.000000000000000i 0.000000000000000 + 6.000000000000000i
>> c'
ans =
0.000000000000000 - 1.000000000000000i
0.000000000000000 - 2.000000000000000i
0.000000000000000 - 3.000000000000000i
0.000000000000000 - 4.000000000000000i
0.000000000000000 - 5.000000000000000i
0.000000000000000 - 6.000000000000000i
所有这些负面因素从何而来？它们不在原始阵列中。 documentation中描述了其原因。 MATLAB中的
'运算符不是普通的转置运算符，普通的转置运算符是
.'。
'运算符执行复杂的共轭转置。它执行矩阵的转置并执行该矩阵的复共轭。
问题在于，这几乎永远不是您真正想要的。例如，这将导致代码似乎按预期工作，但是会无提示地更改FFT数据。因此，除非绝对有把握，否则请肯定使用算法，并确定使用复杂的共轭转置。
对于Python，Python转置运算符为
.'。所以你考虑一下：
>>> a = np.array([[1, 2, 3, 4, 5, 6]])
>>> print(a)
[[1 2 3 4 5 6]]
>>> print(a.T)
[[1]
[2]
[3]
[4]
[5]
[6]]
>>> b = np.array([[1j, 2j, 3j, 4j, 5j, 6j]])
[[ 0.+1.j 0.+2.j 0.+3.j 0.+4.j 0.+5.j 0.+6.j]]
>>> (1j*np.ones((1,10))).T
[[ 0.+1.j]
[ 0.+2.j]
[ 0.+3.j]
[ 0.+4.j]
[ 0.+5.j]
[ 0.+6.j]]
注意虚部没有任何负数。如果要获取复数共轭转置，则需要使用
.T或
np.conj(a)来获取复数共轭（在进行转置之前或之后）。但是，numpy有其自身的转置陷阱：
>>> c = np.array([1, 2, 3, 4, 5, 6])
>>> print(c)
[1 2 3 4 5 6]
>>> print(c.T)
[1 2 3 4 5 6]
?？它什么也没做。原因是
a.conj()创建一维数组。转置使数组沿特定维度翻转。当只有一维时，这是没有意义的，因此转置不会执行任何操作。
“但是，”您可能会反对，“一维MATLAB矩阵的转置不是有效的吗？”原因对于MATLAB和numpy如何存储数据更为根本。考虑Python：
>>> np.array([[1, 2, 3], [4, 5, 6]]).ndim
2
>>> np.array([1, 2, 3, 4, 5, 6]).ndim
1
>>> np.array(1).ndim
0
这似乎是合理的。 2D数组有两个维度，一维数组有一个维度，标量有零个维度。但是，请在MATLAB中尝试相同的操作：
>> ndims([1,2,3;4,5,6])
ans =
2
>> ndims([1,2,3,4,5,6])
ans =
2
>> ndims(1)
ans =
2
一切都有二维！ MATLAB没有1D或0D数据结构，MATLAB中的所有内容都必须至少具有2维（尽管可以在MATLAB中有效地创建自己的1D或0D类）。因此，在MATLAB中对“ 1D”数据结构进行转置是可行的，因为它实际上不是1D。
共轭转置和一维转置问题都归结为基本数据类型MATLB和numpy的使用。 MATLAB使用固有地至少为2D的矩阵。另一方面，nump使用的数组可以具有任意数量的维。 MATLAB矩阵使用矩阵数学作为其常规运算（因此MATLAB中的
np.array([1, 2, 3, 4, 5, 6])是矩阵乘积），而Python数组使用逐元素数学作为其常规运算符（因此
a * b是逐元素乘积，等效（
a * b在MATLAB中）。 MATLAB具有逐个元素的运算符，而numpy数组具有矩阵运算符（尽管尚未考虑矩阵转置，尽管正在考虑添加一个），所以这主要适用于默认操作。
为了避免在Python中出现此问题，有几种解决方法。在Python中使用
a .* b进行索引会插入其他尺寸。因此，对于一维数组
None，
a将是二维数组，其中第一维的长度为
a[None]。如果您不提前知道数组的维数，可以使用
1，这将确保
np.atleast_2d(a)至少具有二维。因此0D变成2D，1D变成2D，2D保持2D，3D保持3D，4D保持4D，依此类推。
就是说，numpy在所有这些方面都具有与MATLAB相同的矩阵类（它甚至具有共轭转置运算符
a）。不要使用它。 python社区已经围绕数组进行了标准化，因为实际上这几乎总是您想要的。这意味着大多数Python工具都期望使用数组，并且如果给定矩阵，许多工具都会发生故障，或者会将其转换为数组。因此，只需使用数组。
