Python 计算在numpy数组中工作，但在numpy矩阵中不工作

这段代码是一个基本的神经网络。当我使用

asarray

转换训练集时，它工作得很好，但它本身不工作。似乎矩阵无法计算sigmoid_导数，端子显示

ValueError:形状（4,1）和（4,1）未对齐：1（尺寸1）！=4（尺寸0）

为什么矩阵在代码中不起作用？

错误在

from numpy import exp, array, random, dot, matrix, asarray


class NeuralNetwork():
    def __init__(self):
        random.seed(1)

        self.synaptic_weights = 2 * random.random((3, 1)) - 1 # init weight from -1 to 1

    def __sigmoid(self, x):
        return 1 / (1 + exp(-x))

    def __sigmoid_derivative(self, x):
        return x * (1 - x)

    def train(self, train_input, train_output, iter):
        for i in range(iter):
            output = self.think(train_input)
            error = train_output - output

            adjustment = dot(train_input.T, error * self.__sigmoid_derivative(output))

            self.synaptic_weights += adjustment

    def think(self, inputs):
        return self.__sigmoid(dot(inputs, self.synaptic_weights))




neural_network = NeuralNetwork()

train = matrix([[0, 0, 1, 0],[1, 1, 1, 1],[1, 0, 1, 1],[0, 1, 1, 0]])
train_input = asarray(train[:, 0:3])
train_output = asarray(train[:,3])

neural_network.train(train_input, train_output, 10000)

表情<代码>x为（4,1）形状。使用数组元素对元素的乘法，这个

x*（1-x）

工作正常，返回另一个（4,1）结果

但是如果

x

是一个（4,1）矩阵，那么

*

是矩阵积，对于数组也是一样的

np.dot

。这需要一个（4,1）*（1,4）=>（4,4）或一个（1,4）*（4,1）=>（1,1）。对于矩阵积，您已经使用了

dot

，因此此导数显然是元素级导数

---

如果您看到使用

np.matrix

的机器学习代码，它可能基于较旧的示例，并保留

matrix

以实现向后兼容性。最好使用

array

，并根据需要使用

dot

产品。

np.matrix

是

np.array

（ndarray）的一个子类，看起来有点像MATLAB矩阵。它始终是2d，并使用

*

作为

点

产品。如果您真的不需要使用它，请坚持使用

array。是

x*（1-x）`元素对元素的乘积，或矩阵（点）积。除非

x

是正方形，否则它将出现维数问题。因为

matrix

将尝试使用矩阵乘法而不是元素乘法？

 x * (1 - x)