import numpy as np

class OLSLinearRegression:

    def _ols(self, X, y):
        '''最小二乘法估算'''
        tmp = np.linalg.inv(np.matmul(X.T, X))
        tmp = np.matmul(tmp, X.T)
        return np.matmul(tmp, y)

    def _preprocess_data_X(self, X):
        '''数据预处理'''
        m,n = X.shape
        X_ = np.mpty((m, n+1))
        X_[:,0] = 1
        X_[:,1:] = X_

        return X_

    def train(self, X_train, y_train):
        '''训练模型'''
        X_train = self._preprocess_data_X(X_train)

        self.w = self._ols(X_train, y_train)

    def predict(self, X):
        '''预测'''
        X = self._preprocess_data_X(X)
        return np.matmul(X, self.w)

class GDLinearRegression:

    def _init_(self, n_iter=200, eta=1e-3, tol=None):
        self.n_iter = n_iter
        self.eta = eta
        self.tol = tol
        self.w = None

    def _loss(self, y , y_pred):
        '''计算损失'''
        return np.sum((y_pred - y) ** 2 ) / y.size

    def _gradient(self, X, y, y_pred):
        '''计算梯度'''
        return np.matmul(y_pred - y, X) / y.size

    def _gradient_decent(self, w, X, y):
        '''梯度下降算法'''

        if self.tol is not None:
            loss_old = np.inf

        for step_i in range(self.n_iter):
            y_pred = self._predict(X, w)
            loss = self._loss(y, y_pred)
            print('%4i Loss: %s' % (step_i, loss))

            if self.tol is not None:
                if loss_old -loss < self.tol:
                    break
                loss_old = loss

            grad = self._gradient(X, y, y_pred)
            w -= self.eta * grad

    def _preprocess_data_X(self, X):
        '''数据预处理'''
        m,n = X.shape
        X_ = np.empty((m, n+1))
        X_[:, 0] = 1
        X_[:, 1:] = X

        return X_
    
    def train(self, X_train, y_train):
        '''训练'''
        X_train = self._preprocess_data_X(X_train)
        _, n = X_train.shape
        self.w = np.random.random(n) * 0.05

        self._gradient_decent(self.w, X_train, y_train)

    def _predict(self, X, w):
        '''预测内部接口，实现函数h（x）'''
        return np.matmul(X, w)

    def predict(self, X):
        '''预测'''
        X = self._preprocess_data_X(X)
        return self._predict(X, self.w)

这是我们老师布置的抄作业的代码。但是在代码的
_, n = X_train.shape
        self.w = np.random.random(n) * 0.05


	


这两行VScode提示出问题：

Attempting to unpack a non-sequence defined at line 17 of 

Module 'numpy.random' has no 'random' member



求大佬解答



百度无法找到第一个的解决方案



第二个的installpip install --user --upgrade numpy也做了，但没有效果