Skip to content

implemented-methods.md

Latest commit

 

History

History
155 lines (120 loc) · 5.36 KB

implemented-methods.md

File metadata and controls

155 lines (120 loc) · 5.36 KB
Raw

已实现方法

最后更新：2026-07-24
切换：English

本页是 statgpu 当前公开模型、函数与主要求解器族的维护中清单。详细数学定义、 推断范围与后端契约以对应模型页和指南为准。

回归与广义线性模型

Class 说明 后端
LinearRegression OLS，支持经典、HC0–HC3 与 HAC 推断 NumPy, CuPy, Torch
Ridge L2 惩罚线性回归 NumPy, CuPy, Torch
Lasso L1 回归，含 debiased/bootstrap 推断路径 NumPy, CuPy, Torch
ElasticNet L1+L2 惩罚回归 NumPy, CuPy, Torch
LogisticRegression 二元 logistic/probit 回归 NumPy, CuPy, Torch
PoissonRegression Poisson GLM NumPy, CuPy, Torch
GammaRegression Gamma GLM NumPy, CuPy, Torch
InverseGaussianRegression Inverse Gaussian GLM NumPy, CuPy, Torch
NegativeBinomialRegression 负二项 GLM NumPy, CuPy, Torch
TweedieRegression Tweedie GLM NumPy, CuPy, Torch
QuantileRegression 分位数回归，支持 kernel/bootstrap 推断 NumPy, CuPy, Torch
OrderedLogitRegression Ordered logit 与解析 Hessian 推断 NumPy, CuPy, Torch
OrderedProbitRegression Ordered probit 与解析 Hessian 推断 NumPy, CuPy, Torch

惩罚模型

Penalty registry 包含 L1、L2、Elastic Net、SCAD、MCP、adaptive L1、 group Lasso、adaptive group Lasso、group MCP 与 group SCAD。部分 penalty 还接受别名；应以 registry 与兼容矩阵为准，不再在文档中维护容易漂移的固定数量。

Class Loss 或模型族 后端
PenalizedGeneralizedLinearModel 统一惩罚 GLM 接口 NumPy, CuPy, Torch
PenalizedLinearRegression 惩罚 Gaussian 回归 NumPy, CuPy, Torch
PenalizedLogisticRegression 惩罚二元回归 NumPy, CuPy, Torch
PenalizedPoissonRegression 惩罚 Poisson 回归 NumPy, CuPy, Torch
PenalizedQuantileRegression Quantile loss 与 proximal/FISTA 路径 NumPy, CuPy, Torch
PenalizedRobustRegression 支持范围内的 Huber、bisquare 与 fair loss NumPy, CuPy, Torch
PenalizedCoxPHModel 惩罚 Cox partial likelihood NumPy, CuPy, Torch

显式 solver 的可用性取决于 loss 与 penalty。使用前请查看 Loss × Penalty × Solver 框架和 Solver × Penalty 矩阵。

示例

from statgpu.linear_model import PenalizedGeneralizedLinearModel

# L1 是非光滑惩罚，应使用 FISTA 或 solver="auto"。
model = PenalizedGeneralizedLinearModel(
    loss="poisson",
    penalty="l1",
    alpha=0.05,
    solver="fista",
)
model.fit(X, y)

交叉验证

Class 说明 后端
RidgeCV Ridge alpha 选择 NumPy, CuPy, Torch
LassoCV Warm-start Lasso path NumPy, CuPy, Torch
ElasticNetCV 联合搜索 l1_ratio 与 alpha NumPy, CuPy, Torch
LogisticRegressionCV Logistic 回归 CV NumPy, CuPy, Torch
PenalizedGLM_CV 统一惩罚 GLM CV NumPy, CuPy, Torch
CoxPHCV Cox penalty 搜索与最终 refit NumPy, CuPy；见 CoxPH 文档

方差分析

  • f_oneway
  • f_twoway
  • f_welch
  • tukey_hsd
  • bonferroni
  • cohens_f
  • partial_eta_squared

设计限制与标量分布边界见 ANOVA。

协方差估计

  • EmpiricalCovariance
  • LedoitWolf
  • OAS
  • ShrunkCovariance
  • MinCovDet
  • GraphicalLasso
  • GraphicalLassoCV

详见 协方差估计。

面板数据

  • PanelOLS
  • RandomEffects
  • PooledOLS
  • BetweenOLS
  • FirstDifferenceOLS
  • FamaMacBeth

协方差、秩亏与后端保持预测契约见 面板模型。

非参数与半参数方法

  • KernelDensity 与核回归
  • KernelRidge 与 KernelRidgeCV
  • KernelPCA
  • Nystroem
  • SplineTransformer
  • B-spline、natural cubic、cyclic cubic 与 thin-plate spline basis
  • GAM

无监督学习

  • PCA、TruncatedSVD、IncrementalPCA
  • NMF、MiniBatchNMF
  • KMeans、MiniBatchKMeans、DBSCAN
  • GaussianMixture、AgglomerativeClustering
  • UMAP、TSNE、NNDescent

生存分析

Class 说明 后端
CoxPH Breslow/Efron/Exact ties、delayed entry、(start, stop] 行、strata、robust/cluster 推断与后端原生预测 NumPy, CuPy, Torch
CoxPHCV 使用同一风险集语义的 L2 网格选择，并保持受试者完整分组 NumPy, CuPy, Torch
PenalizedCoxPHModel 支持范围内的标准右删失凸/非凸 Cox 惩罚 NumPy, CuPy, Torch

基础安装已包含维护中的 Cox 实现。可选 statgpu[survival] extra 安装 statsmodels，用于外部验证与比较；delayed entry 和 strict Breslow/Efron 稳健推断不依赖该 extra。精确支持矩阵见 Cox 比例风险模型。

特征选择与诊断

  • StepwiseSelector 与 stepwise_selection
  • fixed-X/model-X knockoff filter 与 selector wrapper
  • RegressionDiagnostics 与 diagnose_model

多重检验与重抽样

  • adjust_pvalues
  • combine_pvalues
  • permutation_test
  • inference API 暴露的 bootstrap 工具

验证范围

本清单中的后端支持表示公开执行路径存在。数值、性能与物理 GPU 结论仍应限定到 对应测试或验证 artifact 所记录的具体模型、后端、硬件与 commit。