安德鲁·吴'；s ML课程（python）-应用多变量梯度下降，混淆直觉

我正在尝试创建多变量梯度下降方程。 方程式图片：

最后的解决办法是：

theta = theta - alpha *((np.dot((np.dot(X,theta)-y), X))*(1/m)). 

我犯了一个错误，添加了一个额外的“np.sum”：

---

我不明白为什么解决方案不需要np.sum，或者什么时候求和？

np.dot

包括乘法元素的求和

dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])

---

检查

np。点

包括相乘元素的总和

dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])

检查

假设X矩阵形状是（100,3），那么θ形状是（3,1），y是（100,1）。 你写的：

theta = theta - alpha *((np.dot((np.dot(X,theta)-y), X))*(1/m)). 

此实现在数学上不正确，因为： 您在第节中有错误： （（np.dot（（np.dot（X，θ）-y，X））

因为，（np.dot（X，θ）-y）的形状是100*1，X的形状是100*3，那么就矩阵的性质而言，我们不能将这两个矩阵相乘，因为第一个矩阵列必须等于第二个矩阵行。 请检查并确认。 另外，因为您以矩阵方式查看数据集，所以不需要np.sum

h_x= np.dot(X, theta)
error= h_x - y
theta= theta - (learning_rate * (1/m) * np.dot(X.T, error))

假设X矩阵的形状是（100,3），那么θ形状是（3,1），y是（100,1）。 你写的：

theta = theta - alpha *((np.dot((np.dot(X,theta)-y), X))*(1/m)). 

此实现在数学上不正确，因为： 您在第节中有错误： （（np.dot（（np.dot（X，θ）-y，X））

因为，（np.dot（X，θ）-y）的形状是100*1，X的形状是100*3，那么就矩阵的性质而言，我们不能将这两个矩阵相乘，因为第一个矩阵列必须等于第二个矩阵行。 请检查并确认。 另外，因为您以矩阵方式查看数据集，所以不需要np.sum

h_x= np.dot(X, theta)
error= h_x - y
theta= theta - (learning_rate * (1/m) * np.dot(X.T, error))

---

我明白了。非常感谢！我明白了。非常感谢！非常有洞察力！谢谢你的链接非常有洞察力！谢谢你的链接