Python 如何在gurobi中定义线性回归的目标函数和约束函数？

我有一个numpy数组x，有10000行*10列和一个向量y。现在我想使用gurobi和python构建一个线性回归模型。我的目标是尽可能减少最坏的绝对误差值

我对古洛比真的很陌生，所以在将所有决策变量（w1，…w10和b）添加到模型中之后，我一直在编写目标函数和约束函数。对于约束函数部分，我认为应该创建一个10000*1 numpy变量z来表示错误

for i in range(10000):
    m.addConstr(np.dot(x[i],w) + b - y[i] - z[i], "<=" , rhs=0)  
    m.addConstr(-(np.dot(x[i],w) + b - y[i]) - z[i], "<=" , rhs=0)
m.update()

m.optimize()

范围（10000）内的i的

：
m、 addConstr（np.dot（x[i]，w）+b-y[i]-z[i]，“
z
必须是一个决策变量，因此不需要初始值。明白了。谢谢。另一个问题是，如果我想得到z中最严重的错误，我可以只使用max（z）吗或者我必须添加另一个变量z_max并添加相应的约束？您不能使用max。您需要根据建模框架的规则来制定它。但老实说：您的规范仍然缺失（人们可能会考虑重新制定，同时牢记这两个部分）.是的，你需要一个变量
z_max
和方程
zNb这方面有更好的公式。你可以做的第一件事是替换z[i]通过一个z直接最小化z。
z
必须是一个决策变量，因此不需要初始值。知道了。谢谢。另一个问题是，如果我想得到z中最严重的错误，我可以使用max（z）吗或者我必须添加另一个变量z_max并添加相应的约束？您不能使用max。您需要根据建模框架的规则来制定它。但老实说：您的规范仍然缺失（人们可能会考虑重新制定，同时牢记这两个部分）.是的，你需要一个变量
z_max
和方程
zNb这方面有更好的公式。你可以做的第一件事是用一个z替换z[i]，并直接最小化z。