計算はnumpy配列で動作しますが、numpy行列では機能しません

Question

from numpy import exp, array, random, dot, matrix, asarray 


class NeuralNetwork(): 
    def __init__(self): 
     random.seed(1) 

     self.synaptic_weights = 2 * random.random((3, 1)) - 1 # init weight from -1 to 1 

    def __sigmoid(self, x): 
     return 1/(1 + exp(-x)) 

    def __sigmoid_derivative(self, x): 
     return x * (1 - x) 

    def train(self, train_input, train_output, iter): 
     for i in range(iter): 
      output = self.think(train_input) 
      error = train_output - output 

      adjustment = dot(train_input.T, error * self.__sigmoid_derivative(output)) 

      self.synaptic_weights += adjustment 

    def think(self, inputs): 
     return self.__sigmoid(dot(inputs, self.synaptic_weights)) 




neural_network = NeuralNetwork() 

train = matrix([[0, 0, 1, 0],[1, 1, 1, 1],[1, 0, 1, 1],[0, 1, 1, 0]]) 
train_input = asarray(train[:, 0:3]) 
train_output = asarray(train[:,3]) 

neural_network.train(train_input, train_output, 10000) 

このコードは基本的なニューラルネットワークです。 asarrayを使用してトレーニングセットを変換するとうまく動作しますが、マトリックス自体は機能しません。行列はsigmoid_derivativeを計算することができないと思われ、端末の表示はValueError: shapes (4,1) and (4,1) not aligned: 1 (dim 1) != 4 (dim 0)

なぜコード内で動作しないのですか？

Answer 1

エラーが

x * (1 - x) 

表現です。 xは（4,1）形状です。要素の乗算による配列要素では、このx*(1-x)は正常に動作し、別の（4,1）の結果を返します。

しかし、xが（4,1）の行列の場合、*は行列の積であり、配列は同じnp.dotです。それには（4,1）*（1,4）=>（4,4）、または（1,4）*（4,1）=>（1,1）が必要です。マトリックス製品にはすでにdotが使用されています。したがって、この派生物は要素として賢明です。

機械学習コードがnp.matrixを使用している場合は、おそらく古い例に基づいており、下位互換性のためにmatrixを保持しています。 arrayを使用し、必要に応じてdot製品を使用することをお勧めします。