线性回归/梯度下降 Python 实现

Question

我正在尝试从头开始实现线性回归，使用的是梯度下降法，主要是为了学习。有一部分代码让我很困惑。运行到某一行代码后，变量 x 的值发生了变化，我不知道为什么。

这些变量的情况是这样的：x 和 y 是 numpy 数组，我在这个例子中给它们随机赋了些数字。

x = np.array([1, 2, 3, 4, ...., n])
y = np.array([1, 2, 3, , ...., n])
theta = [0, 0]
alpha = .01
m = len(x)

代码如下：

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。它变成了变量 n 或者列表中的最后一个元素。

Answer 1

是的，在你的列表推导式中，x 确实被重新赋值了。为什么不直接换个变量名，这样就不会被覆盖了呢？

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)])

Answer 2

发生的事情是，Python正在计算列表 zip(x,y)，然后你每次循环的时候，都会用 zip(x,y) 中对应的元素来覆盖 (x,y)。当你的循环结束时，(x,y) 就只剩下 zip(x,y)[-1] 的内容了。

你可以试试

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