Matlab中产生NaN的梯度下降回路

我正在运行一个梯度下降循环来最小化一个函数，但是我的参数向量w被计算为NaN，而它应该是一个数值向量。这意味着在某个点上函数将趋于无穷大，但我不知道为什么

这是循环。数据是嵌套在学校中的学生数据集，因此首先程序在每个学校上循环，第二个循环执行梯度下降。y变量是一个测试分数度量，x向量包含分类的学生人口统计特征和学校特征，以及一些百分比，如贫困和性别比率。关键的计算是g，它计算梯度，我相信这是一个无穷大的结果，而不是一个数值向量。g结果应为数值时立即输出为NaN

w_old = rand(28, length(tr_indexes));
tolerance = 1e-6;
maxIter = 1000;
stepsize = .1;
grid = zeros(10,1);
w = w_old;
u = rand(28,length(tr_indexes));
theta = rand(10,28);

       for t = 1:T
            t_trainx = trainx(:, tr_indexes(t):tr_indexes(t+1)-1 );
            t_trainy = trainy(tr_indexes(t):tr_indexes(t+1)-1)';
            s = length(t_trainx);
            for j = 1:maxIter
                w_old(:, t) =  w(:,t);
                v= theta*u(:,t);
                g = ((2/s)*((t_trainy-(w(:,t)'*t_trainx + v'*theta*t_trainx))*t_trainx')' + 2*lambda*w(:,t))
                w(:,t)= w_old(:,t) - stepsize*g;
                u(:,t)= w(:,t) + theta'*v;
                if norm(abs(w(:,t)-w_old(:,t))) < tolerance;
                break
                end
            end
        end

w_old=rand（28，长度（tru索引））；
公差=1e-6；
maxIter=1000；
步长=.1；
网格=零（10,1）；
w=w_old；
u=兰德（28，长度（tr_指数））；
θ=兰德（10,28）；
对于t=1:t
t_trainx=trainx（：，tr_索引（t）：tr_索引（t+1）-1）；
t_trany=trany（tru索引（t）：tru索引（t+1）-1）'；
s=长度（t_trainx）；
对于j=1:maxIter
w_old（：，t）=w（：，t）；
v=θ*u（：，t）；
g=（（2/s）*（（t_trainy-（w（：，t）*t_trainx+v'*theta*t_trainx））*t_trainx'）”+2*lambda*w（：，t））
w（：，t）=w_old（：，t）-步长*g；
u（：，t）=w（：，t）+θ'*v；
如果标准（abs（w（：，t）-w_old（：，t））<公差；
打破
结束
结束
结束

---

有人能建议这段代码的哪些方面导致了这种NaN结果吗？

什么是

s

？如果您怀疑

w

变为无穷大，则可能是由于

s

造成的，因为分母是每个学校的观察次数（长度（t_trainx））。这永远不会是零，所以不应该导致w趋于无穷大。谢谢你的输入。你试过使用Matlab吗？在计算

g

的行中设置断点，并检查RHS数量。什么是

s

？如果您怀疑

w

变为无穷大，则可能是由于

s

造成的，因为分母是每个学校的观察次数（长度（t_trainx））。这永远不会是零，所以不应该导致w趋于无穷大。谢谢你的输入。你试过使用Matlab吗？在计算

g

的行中设置断点，并检查RHS数量。