Quantco/glum

解决的问题

glum 是一个快速、以 Python 为首要设计的广义线性模型（GLM）库，提供最小二乘法、泊松回归和逻辑回归等常见统计方法的统一接口。它解决了对广泛分布支持、灵活正则化技术以及高性能的需求，尤其是在观测数远大于预测变量数（N >> K）的情况下。

工作原理

该库提供了类似 scikit-learn 的 API 用于模型拟合。支持多种分布（正态、泊松、二项、伽马、逆高斯、负二项、Tweedie）以及可自定义的链接函数。通过 formulaic 支持基于公式的模型定义，并通过 narwhals 实现与 pandas、polars 等多种数据框后端的兼容性。

适用人群

需要支持 L1、L2 和弹性网络正则化、且具备高性能 GLM 实现的数据科学家和统计学家，以及需要对未正则化模型进行经典统计推断的用户。

主要亮点

• 广泛的分布支持：包含正态、泊松、二项、伽马、逆高斯、负二项和 Tweedie 分布。
• 高性能：在 N >> K 的情况下，性能始终优于其他现代库。
• 灵活的正则化：支持 L1、L2（包括 Tikhonov 惩罚）和弹性网络正则化，并内置交叉验证以确定最优正则化路径。
• 基于公式的指定：支持 formulaic 风格的模型定义，包括单调性约束。
• 后端无关：通过 narwhals 与 pandas、polars 及其他数据框兼容。