线性回归\梯度下降python实现

为了便于学习，我尝试从头开始使用梯度下降法实现线性回归。我的代码中有一部分真的让我头疼。由于某种原因，在我运行了一行代码之后，变量

x

被修改了，我不知道为什么

变量如下

x

和

y

是numpy数组，在本例中，我给了它们随机数

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)])

---

一旦我运行了上面的代码

x

就不再是一个列表了。它仅成为变量n或列表中的最后一个元素

是，

x

正在您的列表中重新分配。为什么不直接更改那里使用的变量名，这样它就不会被覆盖

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)])

---

发生的事情是，python正在计算列表

zip（x，y）

，然后for循环的每次迭代都会用

zip（x，y）

的相应元素覆盖

（x，y）

。当for循环终止时，

（x，y）

包含

zip（x，y）[-1]

试一试

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