我正在为本文中的局部加权线性回归编写代码。
在其中，用于在特定点进行预测的代码行是：pred = np.dot(point_, theta)其中point_是形状为(2,)的数组，例如[-3, 1]，其中-3是我想要进行预测的点，1是偏差项。

def predict(X, y, point, tau):
    """
    Predict the target value for a given point using weighted regression.

    Args:
        X: Input features dataset.
        y: Target values dataset.
        point: The point of interest.
        tau: Bandwidth parameter.

    Returns:
        float: Predicted target value.
    """
    m = X.shape[0]
    X_ = np.append(X, np.ones(m).reshape(m, 1), axis=1)
    point_ = np.array([point, 1])

    w = wm(point_, X_, tau) # function that returns a diagonal weight matrix

    theta = np.linalg.pinv(X_.T * (w * X_)) * (X_.T * (w * y))
    
    print("Data type of point_ ",type(point_))

    pred = np.dot(point_, theta)
    
    return pred

字符串
现在开始

print("Data type of point_ ",type(point_))

型
给出point_<class 'numpy.ndarray'>的数据类型
上面的函数由下面的函数调用：

def plot_predictions(X, y, tau, nval):
    """
   
        nval: Number of points to predict for.
    """
    X_test = np.linspace(-3, 3, nval)
    preds = []

    for point in X_test:
        pred = predict(X, y, point, tau)
        print("Data type of pred: ",type(pred))
        preds.append(pred)

    X_test = np.array(X_test).reshape(nval, 1)
    preds = np.array(preds).reshape(nval, 1)

    # Plot the original data points and predicted values
    plt.plot(X, y, 'b.')  # Blue dots for original data points
    plt.plot(X_test, preds, 'r.')  # Red dots for predicted values
    plt.show()

# Plot the predictions
plot_predictions(X, y, 0.08, 100)

型
在这种情况下，

print("Data type of pred: ",type(pred))

型
给出pred的输出数据类型：<class 'numpy.matrix'>。打印出它的形状就可以得到(1, 1)。

根据我的理解，pred不应该是一个矩阵。它应该是一个数组，因为point_的形状是(2,)，theta的形状是(2,1)。由于传递的参数之一不是2d数组或矩阵，因此返回的值也不是矩阵。

为什么pred是一个矩阵？此外，程序运行完全正常，没有错误。但我不明白为什么矩阵会被退回。
我分别用point_和theta的数组形状编写了一个小程序。

import numpy as np

array1 = np.array([1, 2])  # Shape: (2,)
array2 = np.array([[3], [4]]) # Shape: (2,1)
result = np.dot(array1, array2)

print("Result:")
print(result)
print("Shape of the result:", result.shape)
print("Data type of the result:", type(result))

型
输出量：

Result:
Shape of the result: (1,)
Data type of the result: <class 'numpy.ndarray'>

型
在这里，np.dot()看起来运行得很好，但在局部加权代码中却不是这样。