最小二乘实现错误“ValueError：形状（3,3）和（1,3）未对齐：3（dim 1）！= 1（dim 0）”

Question

嗨，我正在尝试为一个项目实现线性回归模块，但我卡在这里的是 git repo： 最小二乘法

编码 ：

import numpy as np
from numpy.linalg import inv

class linearregression :
  
  def __init__(self,training_data_X, training_data_Y) :
    # Linear regression module init
    pading = np.ones(training_data_X.shape[0])
    self.training_data_X = np.insert(training_data_X, 0, pading, axis=1) # The training data x => features numpy_matrix
    self.training_data_Y = training_data_Y # The training data y => response numpy_matrix
  
  def leastsquare(self):
    # Find beta parameter
    X_transpose = self.training_data_X.transpose()
    self.ajk = np.matmul(X_transpose, self.training_data_X)
    self.Hessian = 2 * self.ajk
    self.Beta = inv(self.ajk).dot(X_transpose).dot(self.training_data_Y)
    f_of_X = self.training_data_X.dot(self.Beta)
    self.rs = np.subtract(self.training_data_Y,f_of_X)
    self.rss = self.rs.dot(self.rs)
    return self.Beta , self.rss
    
if __name__ == "__main__" :
  x = np.matrix([[0,1],[1,4],[7,8]])
  y = np.matrix([2,9,23])
  Lr = linearregression(x,y)
  Beta, rss = Lr.leastsquare()
  print(Beta,rr)

代码返回我这个错误语句：

Traceback (most recent call last):
  File "<string>", line 27, in <module>
File "<string>", line 17, in leastsquare
ValueError: shapes (3,3) and (1,3) not aligned: 3 (dim 1) != 1 (dim 0)

Answer 1

Y是 1x3，但应该是 3x1。 修复它的两种方法：

• 要求training_data_Y为 nx1： y = np.matrix([[2],[9],[23]])
• 取一个数组而不是一个矩阵： y = np.array([2,9,23])
• 或者，在计算 beta 时简单地转置它： Beta = inv(self.ajk).dot(X_transpose).dot(self.training_data_Y.T)

Answer 2

我找到了它的解决方案：

y = np.matrix([[2],[9],[23]])

和

self.rss = np.square(self.rs)