Введение

Эта книга — практическое введение в вероятностную регрессию и библиотеку gamlss. Она объясняет, как статистическая модель соотносится с типизированным API Rust, а исполняемые примеры в репозитории служат полным исходным кодом.

Для первого чтения достаточно базовых знаний линейной регрессии, нормального распределения и Rust. Оптимизатор не встроен в библиотеку намеренно: gamlss определяет семейства распределений, предикторы, целевую функцию и аналитические градиенты, а способ оптимизации выбирает пользователь или отдельный интеграционный крейт.

Основной маршрут книги идёт от одной линейной нормальной модели к меняющемуся масштабу, гладким предикторам, другим областям значений отклика и только затем к более сложным исследованиям и интерфейсам. Главы и примеры расположены так, чтобы каждая следующая модель добавляла к уже знакомой конструкции одну существенную идею.

Каждая глава о модели начинается с прикладной задачи вероятностного прогнозирования, сохраняет знакомую базовую модель, добавляет одну существенную идею и заканчивается проверкой на отложенных данных. Коэффициенты важны, но итогом считаются условное распределение, квантили, интервалы, вероятности событий и подтверждённая калибровка.