...
Eroare Machine Learning · Forma datelor: X 2D, y 1D, număr de rânduri

ValueError: operands could not be broadcast together with shapes (3,2) (3,)

Pe scurt

Ai înmulțit (sau adunat) două array-uri numpy ale căror forme nu se potrivesc, de exemplu un X cu 2 coloane și un vector de 3 ponderi. Pentru predicții liniare folosește produsul matricial X @ w, iar numărul de ponderi trebuie să fie egal cu numărul de coloane din X.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Operațiile *, +, - din numpy se fac element cu element. Când formele diferă, numpy încearcă broadcasting: compară dimensiunile de la dreapta spre stânga și le acceptă doar dacă sunt egale sau una dintre ele e 1. Aici X are forma (3, 2) (3 rânduri, 2 coloane), iar ultimul operand (3,): ultima dimensiune, 2 față de 3, nu se potrivește.

În codul de machine learning scris de mână, eroarea apare aproape mereu la regresia liniară sau la gradient descent: vectorul de ponderi include și termenul liber (bias), dar în X nu ai adăugat coloana de 1, sau ai folosit * unde voiai produs matricial.

Citește formele din mesaj și afișează X.shape și w.shape chiar înainte de linia cu eroarea. Regula la predicții: X are forma (n, k), w are forma (k,), iar X @ w dă (n,).

De ce apare: cauzele frecvente

1Bias în w, dar fără coloana de 1 în X

Greșit
PYTHON
X = np.array([[1, 2], [2, 1], [3, 3]])
w = np.array([0.5, 1.0, 2.0])  # bias + 2 ponderi
pred = (X * w).sum(axis=1)
Corect
PYTHON
X_b = np.c_[np.ones(len(X)), X]
pred = X_b @ w

Cu coloana de 1 la început, X are 3 coloane, câte una pentru fiecare pondere, iar @ face suma produselor pe fiecare rând.

2Ponderi pentru alt număr de trăsături

Greșit
PYTHON
w = np.zeros(3)
pred = X * w  # X are 2 coloane
Corect
PYTHON
w = np.zeros(X.shape[1])
pred = X @ w

Construiește w din X.shape[1], nu dintr-un număr scris de mână, ca formele să rămână sincronizate.

3Erori calculate pe forme diferite

Greșit
PYTHON
erori = X @ w - y.reshape(1, -1)  # (3,) - (1, 4)
Corect
PYTHON
erori = X @ w - y  # ambele (n,)

Predicțiile și țintele trebuie să aibă exact aceeași formă (n,) și același număr de rânduri.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: operands could not be broadcast together with shapes (3,2) (3,). Vectorul w conține bias-ul și două ponderi, dar X are doar două coloane. Adaugă în X o coloană de 1 și calculează predicțiile cu @, ca programul să le afișeze.

Codul care dă eroarea
PYTHON
import numpy as np

# suprafata (zeci de mp), camere
X = np.array([[5.0, 2.0], [6.0, 3.0], [8.0, 3.0]])
w = np.array([10.0, 15.0, 5.0])  # bias, pondere suprafata, pondere camere

pred = (X * w).sum(axis=1)
print("Predictii:", pred.tolist())
După reparație, programul afișează
Predictii: [95.0, 115.0, 145.0]
Indiciu

Folosește X_b = np.c_[np.ones(len(X)), X] și pred = X_b @ w.

Alte forme ale mesajului

  • ValueError: operands could not be broadcast together with shapes (100,3) (2,)
  • ValueError: operands could not be broadcast together with shapes (4,) (5,)
  • ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (3,2)->(3,2) (3,)->(3,newaxis)

Cum o eviți pe viitor

Scrie formele în comentarii lângă fiecare array (# X: (n, k), # w: (k,)) și verifică-le cu assert X.shape[1] == w.shape[0]. Pentru modele liniare, folosește @ (produs matricial), nu *. Adaugă coloana de bias o singură dată, într-o funcție. Atenție și la cazul invers: (n,) minus (n, 1) nu dă eroare, ci o matrice (n, n), care strică în tăcere calculele.

Întrebări frecvente

De ce (3,2) cu (2,) merge, dar cu (3,) nu?

Broadcasting-ul compară ultima dimensiune: 2 cu 2 e în regulă, deci fiecare rând se înmulțește cu vectorul. 2 cu 3 nu se potrivește.

Care e diferența dintre * și @?

* înmulțește element cu element. @ (sau np.dot) face produsul matricial: pentru fiecare rând din X, suma produselor cu ponderile.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.