numpy.power()存在的bug

背景：

  在做吴恩达《机器学习》ex5作业时，出现ex5中的Figure 4图像与本人程序出的图像总是对不上的问题！如下：

图1 本人程序结果图

图2 exp5中Figure 4对应的结果图

把POWER改成6问题还是没解决。花了很多时间排查，发现是plot_fit函数（可视化上面图的函数）中出现了问题，具体排查出是：numpy.power()存在bug。

正文：

首先，看一下plot_fit函数：

def plot_poly_fit_line(theta, mu, sigma, power):
    x = np.arange(-70, 50, step = 1)
    x_ = np.column_stack((np.ones(len(x)), (poly_features(x, power) - mu) / sigma))
    y = x_ @ theta
    plt.plot(x, y, linestyle = '--')

这里的x = np.arange(-70, 50, step = 1)对应的类型是int型，而在多项式特征化函数poly_features()中里有np.power()函数，np.power函数存在以下bug:

从上图中可以看出，整型70的6次幂和浮点型70.的6次幂结果不同，而正确的答案是后者。经过验证np.power()6次幂以上存在这样的bug。我的numpy版本是：

  综上，由于np.arange()默认为整型，导致x在进行多项式特征化时值不同，进而造成图像结果不同。

解决的方法:
将x定义为浮点型，如x = np.arange(-70, 50, step = 1, dtype = float)。