背景：dataMatrix是(100,3)的列表，labelMat是(1，100)的列表，weights是(3,1)的数组，属性如下代码所示：
>>> import types
>>> type(dataMatrix)
<type 'list'>
>>> type(labelMat)
<type 'list'>
>>> type(weights)
<type 'numpy.ndarray'>
我的代码：
>>> dataMatrix=dataArr
>>> labelMat=labelMat.transpose()
>>> m,n=shape(dataMatrix)
>>> alpha=0.001
>>> maxCycles=500
>>> weights=ones((n,1))
>>> for k in range(maxCycles):
... h=logRegres.sigmoid(dataMatrix*weights)
... error=(labelMat-h)
... weights=weights+alpha*dataMatrix.transpose()*error
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
ValueError: operands could not be broadcast together with shapes (100,3) (3,1)
解释：
本人出现的问题是，dataMatrix，weights的大小分别为(100,3) (3,1), 是<type 'list'>、<numpy.ndarray>类型，而不是<matrix>类型，直接进行乘积C = A*B, 之后，提示上述错误，原因是数组大小“不一致”， 解决方案，不用"*"符号，使用numpy中的dot()函数，可以实现两个二维数组的乘积，或者将数组类型转化为矩阵类型，使用"*"相乘，具体如下：
第一种方法：
>>> dataMatrix=dataArr
>>> labelMat=labelMat.transpose()
>>> m,n=shape(dataMatrix)
>>> alpha=0.001
>>> maxCycles=500
>>> weights=ones((n,1))
>>> for k in range(maxCycles):
... h=logRegres.sigmoid(dot(dataMatrix,weights))
... error=(labelMat-h)
... weights=weights+alpha*dataMatrix.transpose()*error
...
Traceback (most recent call last):
File "<stdin>", line 4, in <module>
AttributeError: 'list' object has no attribute 'transpose'
分析：这次没有出现上次的错误，但是这次出现的错误是指'list'没有'transpose'转置功能，我们知道只有矩阵才有转置。所以用第二种方法，直接将dataMatrix，weights都转换为矩阵，代码如下：
第二种方法：
>>> dataMatrix=mat(dataArr)
>>> labelMat=mat(labelMat)
>>> m,n=shape(dataMatrix)
>>> alpha=0.001
>>> maxCycles=500
>>> weights=ones((n,1))
>>> for k in range(maxCycles):
... h=logRegres.sigmoid(dataMatrix*weights)
... error=(labelMat-h)
... weights=weights+alpha*dataMatrix.transpose()*error
...
>>>
这次没有出现错误，解决了刚才的问题。