我在尝试使用梯度下降法进行简单线性回归时遇到了问题，但我在这里卡住了

我得到了一个ValueError错误

ValueError: 无法转换为Series，长度必须为1：给定506有人能帮我找出这段代码的问题吗

X_train_std: X的标准化值，X.shape = (506, 13) X包含整数值y.shape = (506,1)

class LinearRegressionGD(object):    def __init__(self, eta = 0.001, n_iter = 20):        self.eta = eta        self.n_iter = n_iter    def fit(self, X_train_std, y):        self.w_ = np.zeros(1+X_train_std.shape[1])        self.cost = []        for i in range(self.n_iter):            output = self.net_input(X_train_std)            errors = (y - output)            self.w_[1:] += self.eta * X_train_std.T.dot(errors)            self.w_[0] += self.eta * errors.sum()            cost = (errors**2).sum() /2.0            self.cost_.append(cost)        return self    def net_input(self,X_train_std):        return np.dot(X_train_std, self.w_[1:]) + self.w_[0]        def predict(self, X_train_std):        return self.net_input(X_train_std)lr = LinearRegressionGD()lr.fit(X_train_std, y)---------------------------------------------------------------------------    ValueError                                Traceback (most recent call last)        <ipython-input-24-29cc349fb131> in <module>()          1 lr = LinearRegressionGD()    ----> 2 lr.fit(X_train_std, y)        3 frames        /usr/local/lib/python3.6/dist-packages/pandas/core/ops/__init__.py in to_series(right)        637             if len(left.columns) != len(right):        638                 raise ValueError(    --> 639                     msg.format(req_len=len(left.columns), given_len=len(right))        640                 )        641             right = left._constructor_sliced(right, index=left.columns)

回答：

output 是一维的，而 y 是二维的。这就是为什么你需要重塑 output 的形状。

output = self.net_input(X_train_std).reshape(-1, 1)

另外，我发现你的权重更新没有收敛。如果你用以下代码替换它

self.w_[1:] += self.eta * np.sum(errors * X_train_std, axis=0)

并可能调整学习率，应该可以正常工作。