我想知道Python中是否有一个函数可以做的工作与scipy.linalg.lstsq使用“最小绝对偏差”回归而不是“最小二乘”回归（OLS）相同。我想使用L1规范，而不是L2规范。
实际上，我有3d点，我想要它们中最适合的平面。常用的方法是通过最小二乘方法，如Github 链接。但是众所周知，这并不总是总能提供最佳的拟合度，尤其是当我们在数据集中拥有闯入者时。并且最好计算最小的绝对偏差。两种方法之间的差异将在此处详细说明。
MAD之类的函数无法解决该问题，因为它是一个Ax = b矩阵方程，并且需要循环以使结果最小化。我想知道是否有人知道Python中的相关功能-可能在线性代数包中-可以计算“最小绝对偏差”回归？