Python线性回归权重计算：reshape转置后点积维度不匹配报错求解

首先明确：你要的是矩阵转置，不是拉平后重塑形状，这是核心错误。

报错原因 #

你的Xtrain形状是(100,3)，用x.reshape(-1,1)会把整个矩阵拉平成300个元素的一维数组，再转成(300,1)的列向量。而矩阵乘法要求前一个矩阵的列数等于后一个矩阵的行数，(100,3)的列数是3，(300,1)的行数是300，3≠300，所以触发维度不匹配报错。

正确做法 #

• 直接用转置操作：要得到Xtrain的转置（形状为(3,100)），不需要reshape，直接用Xtrain.T或者np.transpose(Xtrain)。比如你如果要计算线性回归里的X^T X，就用np.dot(Xtrain.T, Xtrain)，得到的是(3,3)的矩阵，完全符合公式要求。
• 非要用reshape的话（不推荐，不如转置直观可靠），可以写Xtrain.reshape(3, 100)，但这仅在原矩阵内存连续时等价于转置，实际开发中优先用转置方法。

内容的提问来源于stack exchange，提问作者alim1990