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

ValueError: shapes (4,2) and (4,) not aligned: 2 (dim 1) != 4 (dim 0)

Pe scurt

np.dot (sau X @ v) cere ca numărul de coloane ale primului array să fie egal cu numărul de rânduri ale celui de-al doilea, iar aici 2 nu e egal cu 4. La gradient descent, gradientul se calculează cu X.T @ erori, nu cu X @ erori.

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

Ce înseamnă

Produsul matricial A @ B are sens doar dacă dimensiunea interioară se potrivește: dacă A are forma (n, k), B trebuie să înceapă cu k. Mesajul îți spune exact ce nu se potrivește: 2 (dim 1) este numărul de coloane al lui (4,2), iar 4 (dim 0) este lungimea lui (4,).

În ML, cel mai des apare la gradient descent scris de mână. Erorile modelului (erori = X @ w - y) au câte o valoare pentru fiecare exemplu, adică forma (n,). Gradientul are câte o valoare pentru fiecare pondere, deci se calculează cu X.T @ erori: (k, n) @ (n,) dă (k,). Dacă uiți .T, primești exact eroarea asta.

Cu operatorul @ mesajul arată altfel („matmul: Input operand 1 has a mismatch in its core dimension 0”), dar cauza e aceeași.

De ce apare: cauzele frecvente

1Lipsește transpunerea la gradient

Greșit
PYTHON
erori = X @ w - y
grad = 2 / len(y) * np.dot(X, erori)
Corect
PYTHON
erori = X @ w - y
grad = 2 / len(y) * np.dot(X.T, erori)

X.T are forma (k, n), deci se poate înmulți cu erorile (n,) și dă câte o valoare pentru fiecare pondere.

2Ordinea operanzilor e inversată

Greșit
PYTHON
pred = np.dot(w, X)  # w: (2,), X: (4, 2)
Corect
PYTHON
pred = np.dot(X, w)  # (4, 2) @ (2,) -> (4,)

La produsul matricial ordinea contează. Rândurile lui X sunt exemplele, deci X vine primul.

3Ecuația normală scrisă greșit

Greșit
PYTHON
w = np.linalg.inv(X.T @ X) @ X @ y
Corect
PYTHON
w = np.linalg.inv(X.T @ X) @ X.T @ y

Formula este (XᵀX)⁻¹ Xᵀ y. Fără al doilea .T, dimensiunile nu se mai potrivesc.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos face un pas de gradient descent și dă ValueError: shapes (4,2) and (4,) not aligned. Repară calculul gradientului (are nevoie de transpusa lui X), ca programul să afișeze gradientul și ponderile după un pas.

Codul care dă eroarea
PYTHON
import numpy as np

# coloana de 1 (bias), ore de studiu
X = np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0], [1.0, 4.0]])
y = np.array([5.0, 6.0, 8.0, 9.0])
w = np.zeros(2)

erori = X @ w - y
grad = 2 / len(y) * np.dot(X, erori)
w = w - 0.1 * grad
print("Gradient:", grad.tolist())
print("Ponderi:", w.tolist())
După reparație, programul afișează
Gradient: [-14.0, -38.5]
Ponderi: [1.4000000000000001, 3.85]
Indiciu

Gradientul se calculează cu np.dot(X.T, erori).

Alte forme ale mesajului

  • ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 4 is different from 2)
  • ValueError: shapes (100,3) and (100,) not aligned: 3 (dim 1) != 100 (dim 0)
  • ValueError: shapes (2,) and (4,2) not aligned: 2 (dim 0) != 4 (dim 0)

Cum o eviți pe viitor

Înainte de fiecare produs matricial, scrie formele pe hârtie sau în comentariu: (n, k) @ (k,) -> (n,) pentru predicții și (k, n) @ (n,) -> (k,) pentru gradient. Pune assert grad.shape == w.shape după calculul gradientului. Testează funcția pe un X mic, cu un număr de rânduri diferit de numărul de coloane: dacă sunt egale, greșelile de transpunere trec neobservate.

Întrebări frecvente

De ce codul mergea pe alte date?

Dacă X are tot atâtea rânduri câte coloane (de exemplu 3 x 3), X @ erori merge, dar dă un rezultat greșit. Eroarea apare abia când formele diferă.

np.dot și @ sunt același lucru?

Pentru array-uri 1D și 2D, da. Diferă doar mesajul de eroare și comportamentul la array-uri cu mai mult de 2 dimensiuni.

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.