为什么我定制的线性回归模型与 sklearn 不匹配？

Question

我正在尝试使用 Python 创建一个简单的线性模型，不使用任何库（除了numpy）。

首先，它收敛得非常快。仅经过 14 次迭代。其次，它给了我一个与线性回归不同的结果sklearn。作为参考，我的sklearn代码是：

import numpy

import matplotlib.pyplot as plot

import pandas

import sklearn

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

dataset = pandas.read_csv('Housing.csv', header=None)

x = dataset.iloc[:, :-1].values

y = dataset.iloc[:, 2].values

linearRegressor = LinearRegression()

xnorm = sklearn.preprocessing.scale(x)

scaleCoef = sklearn.preprocessing.StandardScaler().fit(x)

mean = scaleCoef.mean_

std = numpy.sqrt(scaleCoef.var_)

print('stf')

print(std)

stuff = linearRegressor.fit(xnorm, y)

predictedX = [[(2100 - mean[0]) / std[0], (3 - mean[1]) / std[1]]]

yPrediction = linearRegressor.predict(predictedX)

print('predictedX', predictedX)

print('predict', yPrediction)

print(stuff.coef_, stuff.intercept_)

我的自定义模型预测 y 的值是 337,000，而 sklearn 预测的是 355,000。我的数据是 47 行，看起来像

2104,3,3.999e+05

1600,3,3.299e+05

2400,3,3.69e+05

1416,2,2.32e+05

3000,4,5.399e+05

1985,4,2.999e+05

1534,3,3.149e+05

完整数据可在https://github.com/shamoons/linear-logistic-regression/blob/master/Housing.csv

我假设（a）我的梯度下降回归在某种程度上是错误的，或者（b）我没有sklearn正确使用。

2 不会为给定输入预测相同输出的任何其他原因？