线性回归，其中类的问题，报错

学习线性回归

用代码块功能插入代码，请勿粘贴截图

def optimier_lsm(model, X, y, reg_lambda = 0):
    """
    model：模型
    X:tensor 特征数据， shape = [N,0]
    y:tensor 标签数据， shape = [N]
    reg_lambda: 正则化系数 ， 默认为0
    """
    N, D = X.shape
    x_bar_train = paddle.mean(X, axis=0).T
    y_bar = paddle.mean(y)

    x_sub = paddle.subtract(X, x_bar_train)
    if paddle.all(x_sub == 0):
        model.params['b'] = y_bar
        model.params['w'] = paddle.zeros[shape == [D]]
        return model

    tmp = paddle.inverse(paddle.matmul(x_sub.T, x_sub)+
            reg_lambda*paddle.eye(num_rows = [D]))
    w = paddle.matmul(tmp ,paddle.matmul(x_sub.T ,y-y_bar))
    b = y_bar - paddle.matmul(x_sub.T, w)

    model.params['b'] = b
    model.params['w'] = paddle.squeeze(w, axis=1)
    return model



dimension = 1
model = Linear(dimension)


    
model = optimier_lsm(model, X_train.resahpe([-1,1]), y_train.resahpe([-1,1]))
print('w_pred:',model.params['w'].item(), 'b_pred',model.params['b'].item())

y_train_pred = model(X_train.resahpe(-1,1).squeeze())
train_error = mean_squared_erro(y_ture = y_train, y_pred = y_train_pred).item()

y_test_pred = model(X_test.resahpe([-1,1])).squeeze()
test_error = mean_squared_error(y_true = y_test, y_pred = y_test_pred).item()
print('test_error:',test_error)

运行结果和报错内容

我的解答思路和尝试过的方法

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 建议你看下这篇博客👉 ：线性回归中的假设检验

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^