opt.fmin_tnc报错

L、Gj

代码部分如下
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

#导入数据
data=pd.read_csv('C:\\Users\\hasee\\Desktop\\machine learning\\machine-learning-ex2\\ex2\\ex2data1.txt',
                 names=['Exam1','Exam2','Admitted'])

#X与y的矩阵化，初始化thetas
data.insert(0,'ones',1)
X=np.array(data.iloc[:,:3])
y=np.array(data.Admitted).reshape(100,1)
thetas=np.zeros((3,1))

#定义函数
def sigmoid(x):
    return  1/(1+np.exp(-x))

def costfunction(X,y,thetas):
   a=np.log(sigmoid(np.dot(X,thetas)))
    first=np.multiply(y,a)
    second=np.multiply((1-y),np.log(1-sigmoid(X.dot(thetas))))
    return np.sum(first+second)/(-100)

def gradient(X,y,thetas):
    length = len(y)
    s=np.empty((1,3))
    for i in range(length):
        s+=(sigmoid(X.dot(thetas)) - y)[i] * X[i]
    s=s.reshape(3,)
    return s/100


处理后的data长这样
    ones      Exam1      Exam2  Admitted
0      1  34.623660  78.024693         0
1      1  30.286711  43.894998         0
2      1  35.847409  72.902198         0
3      1  60.182599  86.308552         1
4      1  79.032736  75.344376         1
..   ...        ...        ...       ...
95     1  83.489163  48.380286         1
96     1  42.261701  87.103851         1
97     1  99.315009  68.775409         1
98     1  55.340018  64.931938         1
99     1  74.775893  89.529813         1


在用scipy.optimize.fmin_tnc最小化costfunction这个函数的时候
输入代码为result = opt.fmin_tnc(func=costfunction, x0=thetas, fprime=gradient, args=(X, y))

报错说costfunction里有问题：
File "D:/Python/machine learning/ml 2.py", line 33, in costfunction
    a=np.log(sigmoid(np.dot(X,thetas)))
  File "<__array_function__ internals>", line 5, in dot
ValueError: shapes (3,) and (100,1) not aligned: 3 (dim 0) != 100 (dim 0)

可是X.shape为（100,3）thetas.shape为（3,1）
单独执行np.log(sigmoid(np.dot(X,thetas)))也是可以正常执行的

L、Gj

在costfunction和gradient两个函数里一开始加了 thetas=thetas.reshape(3,1)  然后把gradient里的s改成s=np.zeros((1,3)) 就成功了