Quantco/glum

해결하는 문제

glum은 최소제곱, 포아송 회귀, 로지스틱 회귀와 같은 일반적인 통계적 방법을 통합된 인터페이스로 제공하는 빠르고 Python 중심의 일반화선형모형(GLM) 라이브러리입니다. 관측치 수가 예측 변수 수보다 훨씬 많은 경우(N >> K)에 특히 필요한 광범위한 분포 지원, 유연한 정규화 기법, 그리고 높은 성능을 제공합니다.

작동 방식

이 라이브러리는 모델 적합을 위한 scikit-learn과 유사한 API를 제공합니다. 정규, 포아송, 이항, 감마, 역가우시안, 음의 이항, 투이디 분포를 포함한 다양한 분포와 사용자 정의 링크 함수를 지원합니다. formulaic를 통해 식 기반 모델 지정을 가능하게 하며, narwhals를 통해 pandas, polars 등 다양한 데이터프레임 백엔드와 호환됩니다.

대상 사용자

L1, L2, 엘라스틱넷 정규화를 지원하고, 비정규화된 모델에 대한 전통적인 통계적 추론이 필요한 데이터 과학자 및 통계학자에게 적합합니다.

주요 특징

• 광범위한 분포 지원: 정규, 포아송, 이항, 감마, 역가우시안, 음의 이항, 투이디 분포를 포함합니다.
• 고성능: N >> K인 경우 다른 현대적 라이브러리보다 일관되게 빠릅니다.
• 유연한 정규화: L1, L2(티코노프 페널티 포함), 엘라스틱넷 정규화를 지원하며, 최적의 정규화 경로를 위한 내장된 교차검증 기능이 있습니다.
• 식 기반 지정: formulaic 기반 모델과 단조성 제약을 지원합니다.
• 백엔드 독립성: narwhals를 통해 pandas, polars 및 기타 데이터프레임과 호환됩니다.