-2
我正在研究最佳梯度下降问题，并且无法将矩阵乘法转换为.dot表示法。以下是示例代码：梯度下降的线性回归，应用.dot（）代替矩阵乘法
def error(theta, x_i, y_i):
return y_i- (theta[0]+theta[1]*x_i)
def vectorized_calculate_SSE(theta):
sse = sum(error(theta, x_i, y_i)**2 for x_i, y_i in data)
我想用.dot（）代替错误函数调用和附加矩阵乘法。任何建议将不胜感激。谢谢。
你能提供样品的输入和你的预期的输出？ – Akavall
是的。这里是进入的数据。我把X和Y放入numpy数组，然后在X中添加一列。 years = np.arange（0,40,0.5） np.random.seed（0） salary = 45000+ np.sqrt（年）* 16789 + np.random.normal（2000,10000，len（年）） y = np.array（工资） ＃将X转换为nX2矩阵，n为样本数，和X的第一列是1 X = np.array（年） ＃创建一个那些矢量 那些= np.ones（（X.shape [0]，1）） ＃将那些与第一向量/列中的X X = np.reshape（X，（X.shape [0]，1）） X = np.concatenate（（ ，X），axis = 1） – LazenbyAce