使用economics数据集进行线性回归时，SGDRegressor拟合图像与LinearRegression差异过大的问题求助

我最近在用ggplot2内置的economics数据集做线性回归练习，本来想对比SGDRegressor和LinearRegression的拟合效果，结果发现SGD的拟合图完全不对，和LinearRegression的结果差得特别多，实在搞不懂哪里出问题了。

先贴一下我的代码：

x = df.loc[:,'pce'].values.reshape(-1,1)
y = df.loc[:,'psavert'].values.reshape(-1,1)
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x,y, test_size = 0.2)
from sklearn.linear_model import SGDRegressor
sr = SGDRegressor(eta0 = 0.001, verbose = 1)
sr.fit(x_train,y_train.flatten())
plt.scatter(x_train,y_train, s = 5, alpha = 0.3, c = 'blue')
plt.plot(x_train,sr.predict(x_train), c = 'green')
plt.xlabel('pce(billions)')
plt.ylabel('saving rate')
plt.show()

具体的问题表现是：SGDRegressor拟合出来的直线完全不符合数据的趋势，看起来像是一条和数据走向完全偏离的直线；而用LinearRegression拟合出来的直线则正常贴合了数据的整体趋势。

我已经尝试过调整eta0（学习率）的大小，也修改过max_iter（最大迭代次数），但不管怎么调，SGD的拟合结果还是不对，有没有大佬能帮我看看问题出在哪？

备注：内容来源于stack exchange，提问作者靹滌頋�,1"