发生异常: ValueError shapes (3,1) and (4,) not aligned: 1 (dim 1) != 4 (dim 0) File "C:\Users\niuxi\Desktop\import numpy as np.py", line 12, in fit y_pred = np.dot(X[j].reshape(-1, 1), self.W) * self.sigmoid(X[j]) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\niuxi\Desktop\import numpy as np.py", line 22, in <module> perceptron.fit(X) ValueError: shapes (3,1) and (4,) not aligned: 1 (dim 1) != 4 (dim 0)

很抱歉，您的代码存在一个 ValueError 异常，这是由于矩阵乘法的维度不匹配所导致的。具体地说，当您尝试使用 np.dot()函数计算 X 矩阵与 W 的乘积时，其中 X 矩阵的维度为 (3,1)，而 W 矩阵的维度为 (4,)，它们在维度上不匹配，因此会报错。 您可以考虑重新调整 X 矩阵的维度以匹配 W 矩阵的维度，或者检查您的代码逻辑以解决这个问题。

相关问题

针对上述回答有报错：ValueError: shapes (3,3) and (9,3) not aligned: 3 (dim 1) != 9 (dim 0)

非常抱歉，我这里有一处代码写错了，已经修正。以下是正确的代码：

import numpy as np

def pls(X,Y,K):
    """
    X: n*m的光谱矩阵
    Y: n*1的响应变量矩阵
    K: 取前K个主成分
    """
    n,m = X.shape

    # 中心化X和Y
    X_mean = X.mean(axis=0)
    X = X - np.tile(X_mean,(n,1))
    Y_mean = Y.mean()
    Y = Y - Y_mean

    # 初始化
    T = np.zeros((n,K))
    P = np.zeros((m,K))
    W = np.zeros((m,K))
    Q = np.zeros((1,K))
    B = np.zeros((K,1))

    # 迭代
    for i in range(K):
        # 计算回归系数
        w = np.dot(X.T,Y)/np.dot(X.T,X)

        # 标准化w
        w = w/np.linalg.norm(w)

        # 计算t和p
        t = np.dot(X,w)
        p = np.dot(X.T,t)/np.dot(t.T,t)

        # 计算q
        q = np.dot(Y.T,t)/np.dot(t.T,t)

        # 计算b
        b = q/(np.dot(p.T,q))

        # 更新X和Y
        X = X - np.dot(t.reshape(-1,1),p.reshape(1,-1))
        Y = Y - np.dot(t,b)

        # 存储结果
        T[:,i] = t
        P[:,i] = p
        W[:,i] = w
        Q[0,i] = q
        B[i,0] = b

    return T,P,W,Q,B,Y_mean,X_mean

# 示例
X = np.array([[1,2,3],[4,5,6],[7,8,9]])
Y = np.array([1,2,3])
K = 2
T,P,W,Q,B,Y_mean,X_mean = pls(X,Y,K)
print("T:\n",T)
print("P:\n",P)
print("W:\n",W)
print("Q:\n",Q)
print("B:\n",B)
print("Y_mean:\n",Y_mean)
print("X_mean:\n",X_mean)

希望这次能够正确运行。

ValueError: shapes (3,4) and (3,) not aligned: 4 (dim 1) != 3 (dim 0)

这个错误通常是由于矩阵的维度不匹配而导致的。具体来说，你正在尝试将一个形状为 (3,4) 的矩阵和一个形状为 (3,) 的向量相乘，但是这两个形状不兼容，因为它们的维度不匹配。

解决这个错误的方法是确保你正在执行的矩阵乘法的左矩阵的列数等于右矩阵的行数。在这种情况下，你需要将向量转换为一个形状为 (3,1) 的矩阵。你可以使用 NumPy 中的 reshape() 函数来实现这一点。

例如，如果你有一个形状为 (3,) 的向量 a，你可以使用以下代码将其转换为一个形状为 (3,1) 的矩阵：

import numpy as np

a = np.array([1, 2, 3])
a = a.reshape((3, 1))

现在，你可以将这个矩阵与一个形状为 (3,4) 的矩阵相乘，而不会出现维度不匹配的错误。