TypeError при использовании алгоритмов оптимизации scipy с ядром RBF в GaussianProcessRegressor Scikit-learn

Я пытаюсь оптимизировать гиперпараметры, используя trust_region_optimizer из scipy. В моем случае внутренний оптимизатор логарифмического предельного правдоподобия должен быть максимизирован. Метод наименьших квадратов Scipy минимизирует целевую функцию, поэтому мне нужно минимизировать обратную целевую функцию. Ниже приведен мой код:

import numpy as np
from scipy.optimize import minimize,least_squares
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, ConstantKernel as C
from scipy.optimize import least_squares,rosen

def trust_region_optimizer(obj_func, initial_theta, bounds):
    trust_region_method = least_squares(1/obj_func,initial_theta,bounds,method='trf')
    return (trust_region_method.x,trust_region_method.fun)

X=np.random.random((10,4))
y=np.random.random((10,1))
kernel = C(1.0, (1e-5, 1e5)) * RBF(10.0)
gp = GaussianProcessRegressor(kernel=kernel, optimizer = trust_region_optimizer(rosen,[10,20,30,40], [0,100]), alpha =1.2, n_restarts_optimizer=10)
gp.fit(X, y)

При запуске приведенного выше кода я получаю следующую ошибку на консоли:

TypeError: unsupported operand type(s) for /: 'int' and 'function'

Однако, если я удалю kernel, ошибки вообще не будет.

Пытаюсь заменить 1/obj_func на obj_func, получаю следующую ошибку:

ValueError:jac` must be '2-point', '3-point', 'cs' or callable`

Однако я не могу заменить 1/obj_func на obj_func в своей работе.

Любая помощь будет оценена. Спасибо.