使用SciPy稀疏矩阵时dot乘积出现矩阵尺寸错误问题排查

核心原因 #

当numpy数组与scipy稀疏矩阵混合运算时，dot()方法和@运算符的底层实现逻辑完全不同：

• @运算符：对应Python的矩阵乘法规范，numpy和scipy都重载了__matmul__方法，严格遵循矩阵乘法规则。对于x.T @ y，x.T（50×200）与y（200×400）满足矩阵乘法的维度要求（前一个的列数=后一个的行数），因此得到正确的50×400结果。
• dot()方法：numpy的ndarray.dot()方法在处理非numpy数组（如scipy稀疏矩阵）时，并没有触发稀疏矩阵的矩阵乘法逻辑，而是执行了错误的张量点积计算。在你的案例中，它错误地匹配了非矩阵乘法的轴对齐方式，导致计算出50×200的结果——这完全不符合矩阵乘法的预期。

为什么不抛出错误？ #

numpy的dot()方法设计上支持通用的张量点积运算，而非严格的矩阵乘法。当它处理scipy稀疏矩阵时，会将其视为“类数组”对象，仅校验点积运算的维度兼容性（而非矩阵乘法的维度规则）。在你的案例中，这种兼容性恰好满足，因此不会抛出错误，而是输出不符合预期的点积结果。

解决方法 #

在涉及稀疏矩阵的矩阵乘法场景中，始终使用@运算符（或scipy.sparse.linalg.matmul函数）来确保行为符合预期。对于你的线性回归计算，可以修改为：

xx_inv = np.linalg.inv(x.T @ x)
result = xx_inv @ (x.T @ y)

这样既保证了计算结果的正确性，也能利用稀疏矩阵的高效运算特性，避免不必要的性能损耗。

内容的提问来源于stack exchange，提问作者ginjaemocoes