Python报错:(矩阵不匹配)ValueError: c of shape (1L, 300L) not acceptable as a color sequence for x with...

具体错误如下

ValueError: c of shape (1L, 300L) not acceptable as a color sequence for x with size 300, y with size 300

#代码
plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, train_Y)

#追踪
Traceback (most recent call last):
  File "D:/Ng-DL-HW/course2/week1/initialization/zero_init.py", line 118, in <module>
    plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, train_Y)
  File "D:\Ng-DL-HW\course2\week1\initialization\init_utils.py", line 217, in plot_decision_boundary
    plt.scatter(X[0, :], X[1, :], c=y, cmap=plt.cm.Spectral)
  File "D:\tools\Anaconda2\lib\site-packages\matplotlib\pyplot.py", line 3357, in scatter
    edgecolors=edgecolors, data=data, **kwargs)
  File "D:\tools\Anaconda2\lib\site-packages\matplotlib\__init__.py", line 1710, in inner
    return func(ax, *args, **kwargs)
  File "D:\tools\Anaconda2\lib\site-packages\matplotlib\axes\_axes.py", line 4055, in scatter
    raise ValueError(msg.format(c.shape, x.size, y.size))
ValueError: c of shape (1L, 300L) not acceptable as a color sequence for x with size 300, y with size 300

报错原因

此处train_Y应该reshape成一个一维向量,而不是作为一个多维矩阵送进去

解决

方法1:

plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, train_Y)
#改成
plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, np.squeeze(train_Y))

np.squeeze():

从数组的形状中删除单维条目,即把shape中为1的维度去掉

x = np.array([[[0], [1], [2]]])
 
x.shape
Out[99]: (1, 3, 1)
 
np.squeeze(x).shape
Out[100]: (3,)

 

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
抱歉,我的回答依然有误。在上一条回答中,我使用了 reshape() 方法将一维数组转换为二维数组,但这样会导致每个条件概率都被重复了多次,从而使得概率分布不正确。正确的做法是使用 numpy 的 repeat() 方法将每个条件概率重复多次,以达到指定的有效长度。 例如,假设你想要创建一个二元变量 X 和 Y 的条件概率表,并将所有概率值设置为有效长度为 5 的概率值,可以按照以下步骤操作: ```python from pgmpy.factors.discrete import TabularCPD import numpy as np # 创建一个二元变量 variable = 'X' cardinality = 5 # 创建一个条件概率表 cpd = TabularCPD(variable, cardinality, [[1] * cardinality] * cardinality) # 将所有概率值设置为有效长度为 5 的概率值 cpd.values = np.ones((cardinality, 1)) / 5 cpd.values = np.repeat(cpd.values, cardinality, axis=1) # 输出条件概率表 print(cpd) ``` 在上述代码中,我们首先创建一个二元变量 'X',并将其势设置为 5。然后,我们使用 pgmpy 的 TabularCPD 类创建一个条件概率表,并将其所有概率值初始化为 1/5。接着,我们使用 numpy 的 repeat() 方法将每个条件概率重复 5 次,以达到指定的有效长度。最后,我们输出这个条件概率表。 注意:在上述代码中,我们使用了 numpy 的 repeat() 方法将每个条件概率重复多次,以达到指定的有效长度。repeat() 方法的参数是一个元组,其中第一个元素是重复的次数,第二个元素是重复的维度。在本例中,我们使用 (5,) 作为参数将每个条件概率重复 5 次。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值