我目前正在使用nls.lmR 中的包来优化我的模型。据我从minpack.lm包裹的文档中了解到，只有标准的平方损失可以被接受作为退货。
优化提供的答案非常好并且相当快。但是，我对异常值的权重有疑问，因此想尝试使用 Hubers 损失函数来替代平方损失。我已经尝试了一些标准优化算法，例如 `optim 中的各种选项，但这些方法似乎对我的数据失败。全局优化也不能解决问题，因为我需要优化很多参数。
简而言之，我正在寻找一种优化方法，它允许自定义损失函数（非线性），它也接受初始参数猜测。R中是否有一种方法可以使用非线性迭代重新加权最小二乘法？像这样的东西：https ://en.wikipedia.org/wiki/Iteratively_reweighted_least_squares ？
希望有人可能知道一种方法，任何帮助都会受到好评:)
请注意，我无法分享我的数据/模型，因为不幸的是它们是更大项目的一部分