总结：numpy中三个乘法运算multiply,dot和* 的区别

引言：
本人在做机器学习的练习1的时候，时常抛出错误：

Not aligned是什么意思呢？
意思是两个矩阵相乘无意义。
线性代数中mxn 和 nxp的矩阵才能相乘，其结果是mxp的矩阵。

出错源代码：

def gradientDescent(X,y,theta,alpha,iteration):
    colunms = int(theta.ravel().shape[1])
    thetai = np.matrix(np.zeros(theta.shape))
    cost = np.zeros(iteration)
                       
    for i in range(iteration):
        error = X*theta.T-y
        for j in range(colunms):
            a = np.sum(error*X[:,j])/len(X) ########## error！
            thetai[0,j] = thetai[0,j] - alpha*a
            
        theta = thetai    
        cost[i] = computeCost(X, y, theta)
        
    return theta,cost

这里error是一个nx1的矩阵，theta.T也是一个nx1的矩阵。
而矩阵之间*运算符表示矩阵乘法。我们这里想实现矩阵的对应元素相乘，因此应该用np.multiply()实现。

总结：
（读者可使用简单的举例自行验证）

1.*用法：
矩阵与矩阵：矩阵乘法(matrix)
数组与数组：对应位置相乘(array)

2.np.dot()用法：
矩阵相乘的结果

3.np.multiply()用法：
数组、矩阵都得到对应位置相乘。