显示'int‘不可迭代误差的批量梯度下降算法
显示'int‘不可迭代误差的批量梯度下降算法
提问于 2020-11-23 16:25:37
lr = 0.1
n_iterations = 1000
m = 5
theta = np.array([[1000],[989],[123],[3455]])
for iterations in n_iterations:
gradients = 2/m * X_b.T.dot(X_b.dot(theta) - y)
theta = theta - lr * gradients
theta在执行代码后，它显示错误'int‘不可迭代。
更多数据：
X_b = np.asanyarray(df[['area', 'bedrooms', 'age']])从csv文件
我使用三个参数(面积，卧室，年龄)来预测价格，即
请帮我纠正那个错误
回答 2
Stack Overflow用户
回答已采纳
发布于 2020-11-23 16:29:12
n_iterations是一个整数，它不像错误所说的那样是可迭代的。我认为你想要循环n_iterations次。
尝试使用range，如下所示：
lr = 0.1
n_iterations = 1000
m = 5
theta = np.array([[1000],[989],[123],[3455]])
for iterations in range(n_iterations):
gradients = 2/m * X_b.T.dot(X_b.dot(theta) - y)
theta = theta - lr * gradients
thetaStack Overflow用户
发布于 2020-11-23 16:31:47
您正在使用for iterations in n_iterations:，其中n_iterations是一个不应该迭代的整数值。你可以使用range来克服它。
for iterations in range(n_iterations):
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64964833
复制相关文章
相似问题
腾讯云开发者
