Python 无法实现矢量化的+；logistic回归的正则化形式梯度下降

这个公式看起来像这样

我的实现如下所示

grad[0] = ((utils.sigmoid(X.dot(theta))-y).dot(X[:,0])).sum()
grad[1:] = ((utils.sigmoid(X.dot(theta))-y).dot(X[:,1:])).sum()
grad[1:] = grad[1:] + (lambda_*theta[1:])
grad = grad/m

但是，我得到的值有点偏离（当然除了grad[0]）

---

我的代码哪里出错了？

弄明白了，我是个白痴哈哈。第二个总和（第2行）不应该出现，因为这是应该添加的两列

也清理了一些代码，但这是正确的方法

h = utils.sigmoid(X.dot(theta))
grad[0] = (1/m)*((h-y).dot(X[:,0])).sum()
grad[1:] = (1/m)*((h-y).dot(X[:,1:])) + ((lambda_/m)*theta[1:])

---

介意分享你的输入阵列吗？同样对于第二个公式，在添加

lambda_*theta

之前，是否应该除以

m

？这些是输入数组：对于公式，它应该不重要，因为1/m是两个术语的一部分，所以我可以将其取出并在末尾应用，但我会先试试，然后再加进去case@user3483203把它改成这个，仍然得到了和我用m除以它时一样的答案：