高斯拟合时矩阵相乘报错：维度不匹配问题求助

首先，咱们来定位你遇到的ValueError的核心原因：你试图用numpy矩阵的*运算符去乘两个11×1的列向量，但这个运算符在numpy矩阵中代表的是矩阵乘法（点积），要求左矩阵的列数等于右矩阵的行数——显然1≠11，所以报错。而Matlab里如果是元素级乘法会用.*，推测你在Matlab里实际用的是元素乘，只是numpy矩阵的行为和Matlab不同。

具体修正方案 #

这里有几种可行的解决办法，根据你的需求选择：

1. 改用numpy数组（推荐）

numpy数组的*运算符默认是元素级乘法，更符合你可能想要的Matlab.*的行为。把代码里的np.matrix换成np.array即可：

import numpy as np
import pandas as pd

spectre = pd.read_csv('spectre.txt')
wl = pd.read_csv('longueur_d_onde.txt')
spectre = spectre - 8000
A = wl.iloc[185:196, 0]
B = spectre.iloc[185:196, 0]

sigma = 2565 / 8192
mu = A[192]
# 改用numpy数组，不需要手动转置
A_ = A.values.reshape(-1, 1)
# 更简洁的方式生成mu的重复列向量
Mu_ = np.full_like(A_, mu)
mu_ = A_ - Mu_

for i in range(100):
    Y = (B / B[192]).values.reshape(-1, 1)
    # 元素级乘法，直接用*
    N = np.exp(-np.power(mu_, 2) / (2 * sigma**2))  # 注意这里用/而不是//，//是整数除法
    print(N * np.power(mu_, 2))  # 现在维度匹配，执行元素乘

2. 用np.multiply()做元素级乘法

如果你坚持使用numpy矩阵，可以用np.multiply()函数明确指定元素级乘法：

# 保留你原来的矩阵定义
N = np.exp(-np.power(mu_, 2) / (2 * sigma**2))
print(np.multiply(N, np.power(mu_, 2)))

3. 如果需要矩阵外积（生成11×11矩阵）

如果你确实想要的是矩阵乘法（比如计算两个列向量的外积，得到11×11的矩阵），那需要转置其中一个向量：

print(N * np.transpose(np.power(mu_, 2)))
# 或者
print(np.transpose(N) * np.power(mu_, 2))

额外的代码优化提示 #

• 你原来的Mu_初始化可以用np.full_like()或者np.tile()简化，不需要手动循环赋值
• 注意//是整数除法，这里计算高斯函数应该用浮点数除法/，否则会丢失精度
• 循环里的Y和Yt如果没有用到，可以考虑移除或者调整位置，避免重复计算

内容的提问来源于stack exchange，提问作者Chakib