エラー分布のファミリとしてポアソン、ガンマ、またはトゥイーディー分布を使用して、Python / scikit-learnでGLMを評価することは可能ですか？

いくつかのPythonとSklearnを学習しようとしていますが、私の仕事では、ポアソン、ガンマ、特にTweedieファミリの誤差分布を使用する回帰を実行する必要があります。

それらについてのドキュメントには何も見当たらないが、それらはRディストリビューションのいくつかの部分にあるので、誰かがPythonのどこかで実装を見たのではないかと思っていた。あなたがTweedieディストリビューションのSGD実装に向けて私を向けることができれば、それはさらに格好良いでしょう！

scikit-learnでポアソン、ガンマ、およびトゥイーディーの誤差分布を使用して一般化線形モデルを実装する動きがあります。

Statsmodelsには、ポアソン、トゥイーディー、およびガンマ誤差分布を使用した一般化線形モデルの実装があります。

この回答を更新している間、Spark MLは（実験的に）ポアソン、トゥイーディー、およびガンマ分布もサポートします。

H2Oには一般化線形モデルがあります。

ただし、H2Oフレームを使用するため、Pandas / Numpyを直接使用することはできません。