Python sklearn中无最小二乘的线性回归

我正在使用sklearn.linear_模型中的线性回归模块，我想在不使用最小二乘法的情况下计算线性回归模型的参数

例如，我希望通过最小化模块sklearn.metrics中定义的回归度量之一的值（例如，均方误差）来估计此参数

---

有没有一个模块可以让我轻松地做到这一点？

您可以编写自己的成本函数并调用最小化。请注意，

minimize

没有任何限制，因此您可能希望在我在这里展示的内容之上添加一些限制：

import numpy as np
from sklearn.metrics import mean_squared_log_error
from scipy.optimize import minimize

a = np.array([1, 2, 3])
b = np.array([100, 200, 300])

下面是我想学习的模型（即回归器）：

下面是我的成本函数：

def cost(x):
    return mean_squared_log_error(b, fun(x))

现在我可以优化它了：

print(minimize(cost, x0=[1]))

请注意，我在这里不提供渐变，因此可能会比较慢（或者使用数字差异IIRC和一些优化器）

print(minimize(cost, x0=[1]))