TypeError: градиентDesc () принимает ровно 1 аргумент (4 дано)

Question

Попытка реализовать логистическую регрессию в Python:

Ниже приведена функция стоимости:

def costFunction(theta_array):
   m = len(X1)
   theta_matrix = np.transpose(np.mat(theta_array))

   H_x = 1 / (1 + np.exp(-X_matrix * theta_matrix))
   J_theta = ((sum(np.multiply((-Y_matrix), np.log(H_x)) - np.multiply((1 - Y_matrix), np.log(1 - H_x)))) / m )[0, 0]

   return J_theta

Ниже приведена функция градиента:

def gradientDesc(theta_tuple):
   theta_matrix = np.transpose(np.mat(theta_tuple))

   H_x = 1 / (1 + np.exp(-X_matrix * theta_matrix))
   G_theta0 = (sum(np.multiply(H_x - Y_matrix, X_matrix[:, 0])) / m)[0, 0]
   G_theta1 = (sum(np.multiply(H_x - Y_matrix, X_matrix[:, 1])) / m)[0, 0]
   G_theta2 = (sum(np.multiply(H_x - Y_matrix, X_matrix[:, 2])) / m)[0, 0]


   return np.array((G_theta0, G_theta1, G_theta2))

Затем я запускаюфункция optimize.fmin_bfgs, как показано ниже:

initial_theta = np.zeros((3, 1))
theta_tuple = (0, 0, 0)

theta_optimize = op.fmin_bfgs(costFunction, initial_theta, gradientDesc, args = (theta_tuple))

Тогда я получил ошибку ниже:

**TypeError: gradientDesc() takes exactly 1 argument (4 given)**

Может кто-нибудь сказать мне, как исправить?:) Спасибо!

Answer 1

Для параметра args следует указать одноэлементный кортеж (также известный как singleton ) вместо запятой;в противном случае скобки не делают ничего, кроме группировки выражения.

Измените:

theta_optimize = op.fmin_bfgs(costFunction, initial_theta, gradientDesc, args = (theta_tuple))

на:

theta_optimize = op.fmin_bfgs(costFunction, initial_theta, gradientDesc, args = (theta_tuple,))

Кроме того, ваш gradientDesc должен принять дополнительный параметрсогласно документации .

Изменить:

def gradientDesc(theta_tuple):

на:

def gradientDesc(x, theta_tuple):