ValueError: matrices ne sont pas alignés

J'ai le code suivant:

dotp = np.dot(X[i], w)
mult = -Y[i] * dotp
lhs = Y[i] * X[i]
rhs = logistic(mult)
s += lhs * rhs

Et il me lance le message d'erreur suivant (tronqué pour des raisons de concision):

  File "/Users/leonsas/Projects/temp/learners/learners.py", line 26, in log_likelihood_grad
    s += lhs * rhs
  File "/usr/local/lib/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 341, in __mul__
    return N.dot(self, asmatrix(other))

 `ValueError: matrices are not aligned`

Je m'attendais à lhs à être un vecteur colonne et rhs doit être un scalaire et donc que l'opération devrait fonctionner.
Pour déboguer, j'ai imprimé les dimensions:

    print "lhs", np.shape(lhs)
    print  "rhs", rhs, np.shape(rhs)

Sorties:

lhs (1, 18209)
rhs [[ 0.5]] (1, 1)

Il semble donc qu'ils sont compatibles avec une multiplication. Toutes les pensées de ce que je fais mal?

EDIT: Plus d'informations de ce que je suis en train de faire.

Ce code est à mettre en œuvre un log-probabilité de gradient pour estimer les coefficients.

ValueError: matrices ne sont pas alignés

Où z est le produit scalaire du poids avec les valeurs de x.

Ma tentative de mise en œuvre de cette:

def log_likelihood_grad(X, Y, w, C=0.1):
    K = len(w)
    N = len(X)
    s = np.zeros(K)

    for i in range(N):
        dotp = np.dot(X[i], w)
        mult = -Y[i] * dotp
        lhs = Y[i] * X[i]
        rhs = logistic(mult)
        s += lhs * rhs

    s -= C * w

    return s
Veuillez spécifier la ligne à laquelle déclenche une exception. Aussi, .size est le nombre total d'éléments dans le tableau; ce dont vous avez besoin pour l'impression (et à inclure dans votre question) est .shape.
Qu'essayez-vous de le faire avec lhs et rhs, à partir d'un point de vue mathématique?

OriginalL'auteur leonsas | 2014-12-16

  1. 6

    Vous avez une matrice lhs de forme (1, 18209) et rhs de forme (1, 1) et vous essayez de les multiplier. Car ils sont de matrix type (comme il semble, à partir de la trace de la pile), le * opérateur se traduit par dot. La matrice produit est définie uniquement pour le cas où le nombre de colonnes de la première matrice et le nombre de lignes dans le second, sont égaux, et dans votre cas, ils ne sont pas (18209 et 1). D'où l'erreur.

    Solution: vérifiez les mathématiques derrière le code et corriger la formule. Peut-être que vous avez oublié de transposition de la première matrice ou quelque chose comme ça.

    J'ai essayé de reproduire le ci-dessus avec: a = np.random.uniform(0,10,(1,10)); b = np.array([[0.5]]); a * b; et ça fonctionne, donc je suppose que numpy suppose, dans ce cas, que l' (1,1) est la matrice scalaire. Pourquoi n'est-elle pas au-dessus?
    Il y a ndarray et matrix types de numpy. Il y a des différences entre eux, en particulier * se traduit par elementwise multiplication de matrices et de dot pour les matrices. Ne print type(lhs), type(rhs) pour vérifier ce que vous avez. Dans votre question, vous pouvez le voir dans la trace de la pile qui dot est appelée, donc j'ai supposé que vous aviez matrix objets. Dans ce test, vous obtenez ndarray objets, ce qui entraîne diffusé multiplication, dont les formes sont ok.
    Les deux sont de type matrix. J'ai changé les défauts de ligne à s += lhs * np.float64(rhs) en espérant que ça va marcher, et il fonctionne jusqu'à ce qu'il lance: ValueError: non-broadcastable output operand with shape (18209) doesn't match the broadcast shape (1,18209). Pensées? (Ce peut-être hors-sujet)
    Si vous voulez convertir des matrices à des tableaux, utiliser les numpy.asarray. numpy.float64 juste convertit vos 1x1 matrice par un scalaire.

    OriginalL'auteur fjarri

  2. 0

    des vecteurs de la forme sur numpy lib sont comme (3,). lorsque vous essayez de les multiplier avec np.dot(a,b) func il donne dim erreur. np.externe(a,b) func doit être utilisé à ce point.

    OriginalL'auteur guler