Quantco/glum

何を解決するか

glum は、最小二乗法、ポアソン回帰、ロジスティック回帰などの一般的な統計手法を統合されたインターフェースで提供する、高速で Python を最優先にした一般化線形モデル（GLM）ライブラリです。観測数が予測変数の数に比べて大幅に多い場合（N >> K）に特に必要な、広範な分布サポート、柔軟な正則化手法、および高いパフォーマンスを実現します。

動作方法

このライブラリは、モデルの適合に scikit-learn に似た API を提供します。Normal、Poisson、Binomial、Gamma、Inverse Gaussian、Negative Binomial、Tweedie などのさまざまな分布とカスタマイズ可能なリンク関数をサポートしています。formulaic を使って式ベースのモデル指定を可能にし、narwhals を使って pandas や polars などの複数のデータフレームバックエンドと互換性を持たせています。

対象ユーザー

L1、L2、Elastic Net 正則化をサポートする高パフォーマンスな GLM 実装が必要なデータサイエンティストや統計学者。また、正則化されていないモデルに対する古典的な統計的推論も必要とするユーザーに最適です。

特徴

• 広範な分布サポート：Normal、Poisson、Binomial、Gamma、Inverse Gaussian、Negative Binomial、Tweedie 分布を含む。
• 高パフォーマンス：N >> K の場合、他の現代的なライブラリよりも一貫して高速です。
• 柔軟な正則化：L1、L2（Tikhonovペナルティを含む）、Elastic Net 正則化をサポート。最適な正則化パスを求めるための組み込み交差検証も利用可能。
• 式ベースの指定：formulaic を使ってモノトニック制約付きのモデルを指定可能。
• バックエンド非依存：narwhals を通じて pandas、polars、その他のデータフレームと互換性があります。