Python ValueError:x和y必须具有相同的第一维度，但具有形状（101、）和（100、）

我正在尝试运行一个学习速率，并且得到了这个错误值error:ValueError:x和y必须具有相同的第一维度，但具有形状（101，）和（100，）。如果我做y 101，它会给出一条直线

def g(x):
    return x**4 - 4*x**2 +5

def dg(x):
    return 4*x**3 - 8*x

def gradient_descent(derivative_func, initial_guess,multiplier=0.01,precision=0.0001, max_iter=500):

    new_x= initial_guess
    precision= 0.0001
    x_list= []
    slope_list= []

    for n in range(max_iter):

        previous_x= new_x
        gradient= derivative_func(previous_x) #The slope of the graph(Error)
        new_x= previous_x - multiplier *gradient #The Learning rate
        step_size= abs(new_x - previous_x)
        x_list.append(new_x)
        slope_list.append(derivative_func(new_x))
       # print (step_size)
        if step_size < precision:
            break
    return new_x, x_list, slope_list

n=100
local_min, list_x, deriv_list= gradient_descent(derivative_func=dg,initial_guess=0.1, multiplier=0.0005,precision=0.0001,max_iter=n)



#Plotting Reduction in cost for each iteration
plt.figure(figsize=[15,5])

plt.xlim(0,n)
plt.ylim(0,50)
plt.xlabel('Nr. of Iterations', fontsize= 16)
plt.ylabel('Cost', fontsize=16)
plt.title('Effect of Learning Rate', fontsize=16, c= 'g')

#Getting X-axis values:

iteration_list1= list(range(0,n+1))
iteration_list= np.array(iteration_list1)

#Getting y-axis values

low_values= np.array(list_x) 

plt.plot(iteration_list, g(low_values),linewidth=6,c='green')
plt.show()

def g（x）：
返回x**4-4*x**2+5
def dg（x）：
返回4*x**3-8*x
def梯度下降（导数函数，初始猜测，乘数=0.01，精度=0.0001，最大值=500）：
新的\u x=初始的\u猜测
精度=0.0001
x_列表=[]
坡度表=[]
对于范围内的n（最大值）：
以前的x=新的x
梯度=导数_func（上一个_x）#图形的斜率（误差）
新的x=先前的x-乘数*梯度#学习率
步进尺寸=绝对值（新的步进尺寸-以前的步进尺寸）
x_list.append（新_x）
slope_list.append（派生函数（新函数））
#打印（步长）
如果步长小于精度：
打破
返回新的x、x列表、坡度列表
n=100
局部最小值，列表x，导数列表=梯度下降（导数函数=dg，初始猜测=0.1，乘数=0.0005，精度=0.0001，最大值=n）
#绘制每个迭代的成本降低图
plt.图（figsize=[15,5]）
plt.xlim（0，n）
plt.ylim（0,50）
plt.xlabel（'迭代次数'，fontsize=16）
plt.ylabel（'Cost'，fontsize=16）
plt.title（“学习率的影响”，fontsize=16，c=g”）
#获取X轴值：
迭代_list1=列表（范围（0，n+1））
迭代列表=np.array（迭代列表1）
#获取y轴值
低_值=np.数组（列表_x）
plt.plot（迭代列表，g（低值），线宽=6，c='绿色〕）
plt.show（）

首先，您必须具有相同的数组维度，因此更改此行：

iteration_list1=list（范围（0，n+1））

到

iteration_list1=list（范围（0，n））

那么，我认为你应该删除这一行

plt.ylim（0,50）

---

让库设置最佳y比例。您会看到一条“直线”，因为变化非常小。

谢谢。删除“+1”将使代码运行，但这将是一条直线。我发现它是一条直线的原因是因为初始猜测值太低。