python - 使用CVX/CVXPY解决L2正则逻辑回归

我已经尝试了2-3天，以使L2正则化逻辑回归可以在Matlab（CVX）和Python（CVXPY）中工作，但没有成功。我对凸优化还很陌生，所以很沮丧。以下是我尝试使用CVX / CVXPY解决的方程式。我从论文中得出了这个等式
https://intentmedia.github.io/assets/2013-10-09-presenting-at-ieee-big-data/pld_js_ieee_bigdata_2013_admm.pdf



我的Matlab（CVX）代码是

function L2
m = 800; N = 5;
lambda =0.000001;

A = load('/path/to/training/file');
b= A(:,6); //Label Matrix (800x1)
A = A(:,1:5); //Feature matrix (800x5)

cvx_begin
    variable x(N)
    minimize( (1/m * sum( log(1+ exp(-1* A' * (b * x')) ) ) ) + lambda*(norm(x,2)))

cvx_end

CVX返回一个错误的说法，这很有意义，但是本文提到了上面的公式。我该如何解决？


  您的目标函数不是标量。


在尝试使用Matlab之后，我尝试了CVXPY。这是python代码

from cvxopt import solvers, matrix,log, exp,mul
from cvxopt.modeling import op,variable
import numpy as np

n = 5
m=800
data = np.ndarray(shape=(m,n), dtype=float,)
bArray = []

file = open('/path/to/training/file')

i = 0;
j=0;
for line in file:
    for num in line.split():
        if(j==5):
            bArray.append(float(num))
        else:
            data[i][j] = num
            j = j + 1

    j=0
    i = i + 1

A = matrix(data)
b_mat= matrix(bArray)
m, n = A.size


lamb_default = 0.000001

x=variable(n)

b = -1*b_mat
w = exp(A.T*b*x)
f = (1/m) + sum(log(1+w)) + lamb_default*mul(x,x)

lp1 = op(f)
lp1.solve()
lp1.status
print(lp1.objective.value())

我得到错误


  TypeError：尺寸不兼容


所以，我的问题是：
在CVX / CVXPY中计算L2问题的代码中我做错了什么？

最佳答案

MATLAB代码中的目标是输出向量，而不是数字（标量）。更改为：

(1/m * sum( log(1+ exp(-b.* (A * x)) ) ) )

它将返回一个数字。