python - TypeError:gradientDesc()恰好接受1个参数(给定4个)

尝试在Python中实现Logistic回归：

以下是成本函数：

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

以下是渐变函数：

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))

然后我运行optimize.fmin_bfgs函数，如下所示：

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

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

然后我得到下面的错误：

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

谁能告诉我如何解决？ ：） 谢谢！

最佳答案

对于args参数，应指定带有逗号的单项元组（也称为singleton）。否则，括号只不过是将表达式分组而已。

更改：

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

至：

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

同样，您的gradientDesc应该根据documentation接受一个附加参数。

更改：

def gradientDesc(theta_tuple):

至：

def gradientDesc(x, theta_tuple):

关于python - TypeError:gradientDesc()恰好接受1个参数(给定4个)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52639150/