在线性回归中，我们通常采用最小二乘法来估计模型的参数，最常用的公式是普通最小二乘法（OLS）。给定数据矩阵 \( X \) 和目标变量向量 \( Y \)，线性回归的参数估计公式为：

\[
\hat{\beta} = (X^T X)^{-1} X^T Y
\]

因此，选项 B 是正确的答案。

### 专业分析：

1. **推导过程**：
- 假设线性模型为 \( Y = X\beta + \epsilon \)，其中 \( \epsilon \) 是误差项。
- 目标是最小化误差平方和：\( \min_\beta ||Y - X\beta||^2 \)。
- 求解偏导数并设为零：\( X^T(X\beta - Y) = 0 \)。
- 解方程得到参数估计：\( \hat{\beta} = (X^T X)^{-1} X^T Y \)。

2. **其他选项分析**：
- **A**: \( (X^T X)^{-1} X Y \) 缺少一个转置，应该是 \( X^T Y \) 而不是 \( X Y \)。
- **C**: \( (X X^T)^{-1} X Y \) 使用了错误的矩阵 \( X X^T \)，其维度与需要的计算不匹配。
- **D**: \( X^T X Y \) 缺少逆矩阵运算，无法解决矩阵方程。

综上所述，选项 B 是唯一的正确答案。