线性回归\\ Gradient Descent python实现

Question

我正试图从头开始使用梯度下降法进行线性回归以用于学习目的。 我的代码的一部分真的很烦我。 出于某种原因，在运行一行代码之后，变量x被改变了，我不知道为什么。

变量如下。 x和y是numpy数组，我给它们这个例子的随机数。

x = np.array([1, 2, 3, 4, ...., n])
y = np.array([1, 2, 3, , ...., n])
theta = [0, 0]
alpha = .01
m = len(x)

代码是：

theta[0] = theta[0] - alpha*1/m*sum([((theta[0]+theta[1]*x) - y)**2 for (x,y) in zip(x,y)])

一旦我运行上面的代码x不再是一个列表。 它只变为列表中的变量n或最后一个元素。

Answer 1

是的， x正在列表理解中重新分配。 为什么不只是更改那里使用的变量名称，以便它不会被覆盖？

theta[0] = theta[0] - alpha*1/m*sum([((theta[0]+theta[1]*x_i) - y_i)**2 for x_i, y_i in zip(x,y)])

Answer 2

正在发生的事情是，Python是计算列表zip(x,y)那么你的for循环覆盖的每次迭代(x,y)与相应元素zip(x,y) 当你的for循环终止(x,y)包含zip(x,y)[-1] 。

尝试

theta[0] = theta[0] - alpha*1/m*sum([((theta[0]+theta[1]*xi) - yi)**2 for (xi,yi) in zip(x,y)])