我有一个用于多元回归的梯度下降算法，但在运行时引发了以下错误：

ValueError: operands could not be broadcast together with shapes (3,) (3,140).

我查看了StackOverflow上关于广播错误的其他回答以及相关文档，文档中提到矩阵的维度必须相同，或者其中一个矩阵必须是1维的。但是，我该如何使我的theta具有相同的维度呢？

请不要标记为重复问题。

我的x的维度是(140,3)，y的维度是(140,1)，alpha=0.0001

def find_mse(x,y,theta):    return np.sum(np.square(np.matmul(x,theta)-y))*1/len(x)       def gradientDescent(x,y,theta,alpha,iteration):    theta=np.zeros(x.shape[1])    m=len(x)    gradient_df=pd.DataFrame(columns=['coeffs','mse'])    for i in range(iteration):        gradient = (1/m) * np.matmul(x.T, np.matmul(x, theta) - y)        theta = np.mat(theta) - alpha * gradient        cost = compute_cost(X, y, theta)        gradient_df.loc[i] = [theta,cost]    return gradient_df   

回答：

您正在将形状为(140, 3)的x与theta相乘，期望得到形状为(140, 1)的输出。要实现这一点，您的theta应该具有(3, 1)的形状。您需要按照以下方式初始化theta：

theta = np.zeros((x.shape[1], y.shape[1]))