Skip to main content
 首页 » 编程设计

python之值错误 : tnc: invalid gradient vector from minimized function

2024年11月01日19jyk

我正在自学机器学习,当我尝试用 python 编写逻辑回归代码时出现错误。这是来自 Standford 在线类(class)。我已经尝试了很多次,包括将 grad 更改为 grad.ravel()/grad.fatten(),但都没有用。

输入:

import numpy as np 
 
data=np.loadtxt(r'E:\ML\machine-learning-ex2\ex2\ex2data1.txt',delimiter=',') 
 
X=data[:,:2] 
y=data[:,2].reshape(-1,1) 
 
def sigmoid(z): 
    return 1/(np.exp(-1*z)+1) 
 
def costFunction(theta,X,y): 
    m=len(y) 
    h=sigmoid(np.dot(X,theta)) 
    J=-1/m*np.sum((np.dot(y.T,np.log(h))+np.dot((1-y).T,np.log(1-h)))) 
    grad=1/m*np.dot(X.T,(h-y)) 
    return J,grad 
 
m,n=np.shape(X) 
X=np.hstack((np.ones([m,1]),X)) 
initial_theta=np.zeros([n+1,1]) 
 
import scipy.optimize as opt 
result = opt.fmin_tnc(func=costFunction, x0=initial_theta, args=(X, y)) 

输出:

    ValueError: 
    ---> 25 result = opt.fmin_tnc(func=costFunction, x0=initial_theta, args=(X, y)) 
 
    ValueError: tnc: invalid gradient vector from minimized function. 

请您参考如下方法:

好吧,我忘了复制这些代码: m,n=np.shape(X) initial_theta=np.zeros(n+1) 我得到了答案。 x0 参数需要是一维数组,但我给了它一个二维数组。所以只需将 initial_theta 更改为 1D,然后在 costFunction

中将其 reshape 为 2D