比较线性回归的计算和分析结果

考虑简单的单特征线性回归。x=特征,w=权重 线性回归模型的最佳拟合值为w, w=(xTx)^(-1)xTy 现在我正在比较我从scikit学习回归器和计算w方法得到的结果,它们之间有显著差异。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('Salary_Data.csv')
x = data.iloc[:,[0]].values
y = data.iloc[:,[1]].values
#space
x_t = np.transpose(x)
first_inv = np.matmul(x_t, x)
second = np.matmul(x_t, y)
first = np.linalg.inv(first_inv)
theta = np.matmul(first, second)
y_prad = theta*x
#space
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x, y)
y_prad2 = regressor.predict(x)
#space
plt.scatter(x, y)
plt.plot(x, y_prad , 'red')
plt.plot(x, y_prad2, 'green')

我哪里错了?(无论概念或代码如何)