pythonの回帰の勾配法を使って二次元面モデルの作成がわかりません

前提・実現したいこと

大学の授業でpythonで回帰を勉強しております
現在解析解を使わずに勾配法を使って二次元入力の面モデルを作成しています
（年齢と体重の２つのパラメータから身長を推定する）
エラーが出てわからず止まっています
どなたかご教授下さい

発生している問題・エラーメッセージ

 cannot copy sequence with size 2 to array axis with dimension 3

該当のソースコード

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

#データ生成
X0_n = 16
X0_min = 5
X0_max = 30
T_min = 40
T_max = 75
X0 = np.array([15.43, 23.01, 5.00, 12.56, 8.67, 7.31, 9.66, 13.64, 14.92, 18.47, 15.48, 22.13, 10.11, 26.95, 5.68, 21.76]) #ｘ(年齢)
T = np.array([70.43, 58.15, 37.22, 56.51, 57.32, 40.84, 57.79, 56.94, 63.03, 65.69, 62.33, 64.95, 57.73, 66.89, 46.68, 61.08]) #t(体重)

#身長を抽出
import math
np.random.seed(seed=1) #乱数を固定
h = 10000 * (T - 2 * np.random.randn(X0_n)) / 23 #hは(身長)**2のこと
X1 = np.sqrt(h) #ルートで身長を出す X1は身長
X1_min = 129
X1_max = 175
print(np.round(X1,2)) #小数点第2位にする

#二次元データを表示
def show_data2(ax, x0, x1, t):
    for i in range(len(x0)):
        ax.plot([x0[i], x0[i]], [x1[i], x1[i]], [120, t[i]], color='gray')
        ax.plot(x0, x1, t, 'o', color='cornflowerblue', markeredgecolor='black', markersize=6, markeredgewidth=0.5)
        ax.view_init(elev=35, azim=-75)
        
#メイン
plt.figure(figsize=(6,5))
ax = plt.subplot(1,1,1,projection='3d')
show_data2(ax, X0, T, X1)
plt.show()

#面の表示
def show_plane(ax,w):
    px0 = np.linspace(X0_min, X0_max, 5)
    px1 = np.linspace(X1_min, X1_max, 5)
    px0, px1 = np.meshgrid(px0, px1)
    y = w[0]*px0 + w[1] * px1 + w[2]
    ax.plot_surface(px0, px1, y, rstride=1, cstride=1, alpha=0.3, color='blue', edgecolor='black')
    
#面のMSE
def mse_plane(x0, x1, t, w):
    y = w[0] * x0 + w[1] *x1 + w[2] 
    mse = np.mean((y - t)**2)
    return mse

#メイン
plt.figure(figsize=(6,5))
ax = plt.subplot(1,1,1,projection='3d')
W = [1.5, 1, 90]
show_plane(ax, W)
show_data2(ax, X0, X1, T)
mse = mse_plane(X0 ,X1, T, W)
print("SD={0:.2f} cm".format(np.sqrt(mse)))
plt.show()

#平均誤差関数
def mse_line(x0, x1, t, w):
    y = w[0] * x0 + w[1] * x1 + w[2]
    mse = np.mean((y-t)**2)
    return mse

#平均二乗誤差の勾配法
def dmse_line(x0,x1,t,w):
    y = w[0] * x0 + w[1] * x1 + w[2]
    d_w0 = 2 * np.mean((y - t)* x0)
    d_w1 = 2 * np.mean((y - t)* x1)
    d_w2 = 2 * np.mean(y - t)
    return d_w0, d_w1, d_w2

d_w = dmse_line(X0, X1, T, W)
print(np.round(d_w, 1))

#この下から止まっています
#勾配法
def fit_line_num(x0,t,x1):
    w_init = [10.0, 165.0] #初期パラメータ
    alpha = 0.001 #学習率
    tau_max = 100000 #繰り返しの最大級
    eps = 0.1 #繰り返しをやめる勾配の絶対値のしきい値
    w_hist = np.zeros([tau_max,3])
    w_hist[0,:] = w_init
    for tau in range(1, tau_max):
        dmse = dmse_line(x0,t,x1,w_hist[tau - 1])
        w_hist[tau,0] = w_hist[tau - 1, 0] - alpha * dmse[0]
        w_hist[tau,1] = w_hist[tau - 1, 1] - alpha * dmse[1]
        w_hist[tau,2] = w_hist[tau - 1, 2] - alpha * dmse[2]
        if max(np.absolute(dmse)) < eps: #終了
            break
    w0 = w_hist[tau,0]
    w1 = w_hist[tau,1]
    w2 = w_hist[tau,2]
    w_hist = w_hist[:tau,:]
    return w0, w1,w2, dmse, w_hist

#メイン
plt.figure(figsize=(4,4))

#勾配法呼び出し
w0, w1,w2, dMSE, w_history = fit_line_num(X0,T,X1)
#結果表示
print('繰り返し回数{0}'.format(w_history.shape[0]))
print('W = [{0:.6f}, {1:.6f}]'.format(W0,W1,W2))
print('dMSE=[{0:.6f}, {1:.6f}]'.format(dMSE[0], dMSE[1], dMSE[2]))
print('MSE={0:6f}'.format(mse_line(X0,T,X1,[w0,w1,w2])))
plt.plot(w_history[:,0], w_history[:,1], w_history[:,2], '.-', color='gray', markersize=10, markeredgecolor='cornflowerblue')
plt.show()