梯度下降 vs Fmin_tnc

Question

虽然，在 python 中实现逻辑回归，当我使用 fmin_tnc 时，决策边界非常适合且准确度很高，但是当我使用梯度下降或正态方程实现时，它非常适合决策边界，即使我使用相同的梯度函数。

#这里是代码

def sigmoid(n):
    return 1/(1+np.exp(-n))
def costFunction(theta,X,y):
    return sum((-(1/len(X))*(y.T@np.log(sigmoid(X@theta))+(1-y).T@np.log(1-sigmoid(X@theta)))).flatten())
def gradient(theta,X,y):
    predictions=sigmoid(X@theta)
    grad = np.dot(X.T,  predictions - y)
    return grad/len(X)
for _ in range(1500):
    theta=theta-gradient(theta,x,y)*0.01

我是否错误地实施了梯度下降？

For fmin_tnc when using normal equation or gradient descent