Quantco/glum

解決的問題

glum 是一個快速、以 Python 為首要設計的廣義線性模型（GLM）庫，提供最小平方法、泊松回歸和邏輯回歸等常見統計方法的統一介面。它解決了對廣泛分佈支援、彈性正則化技術以及高效率的需求，特別是在觀測數遠大於預測變數數（N >> K）的情況下。

工作原理

該庫提供類似 scikit-learn 的 API 用於模型擬合。支援多種分佈（常態、泊松、二項、伽馬、逆高斯、負二項、Tweedie）以及可自訂的連結函數。透過 formulaic 支援基於公式的模型定義，並透過 narwhals 實現與 pandas、polars 等多種資料框後端的相容性。

適用對象

需要支援 L1、L2 和彈性網路正則化、且具備高效率 GLM 實作的資料科學家與統計學家，以及需要對未正則化模型進行古典統計推論的使用者。

主要亮點

• 廣泛的分佈支援：包含常態、泊松、二項、伽馬、逆高斯、負二項與 Tweedie 分佈。
• 高效能：在 N >> K 的情況下，性能始終優於其他現代庫。
• 彈性正則化：支援 L1、L2（包含 Tikhonov 懲罰）與彈性網路正則化，並內建交叉驗證以尋找最佳正則化路徑。
• 基於公式的指定：支援 formulaic 風格的模型定義，包含單調性約束。
• 後端無關：透過 narwhals 與 pandas、polars 及其他資料框相容。