Google CausalImpact RパッケージをPythonへ移植（GibbsサンプラーはRust）

GoogleのCausalImpact RパッケージをPythonに移植しました。
GibbsサンプラーをRustで実装し、PyO3でPythonから呼び出します。
TensorFlowは不要で、Rと比べて約30倍高速です。
作った理由:
既存のPython移植版には問題がありました。pycausalimpactは
MLEを使うためRと結果が異なります。tfcausalimpactは
TensorFlow（3GB+）が必要です。そして、どの移植版も
spike-and-slab変数選択を実装していませんでした。
Rのbstsが複数のcontrol時系列の中から適切なものを自動で
選び出す中核機能が、まさにこれです。
このライブラリはRのbstsパッケージと同一のGibbsサンプラーを
再現します。カルマンフィルタ、シミュレーションスムーザー、spike-and-slab
事前分布まで、すべて同一です。コミットごとにR CausalImpact
1.4.1との数値同等性テストがCIで実行されます
（ポイント効果 ±3%、CI範囲 ±5%）。
最も難しかった部分はspike-and-slabでした。
Coordinate-wiseサンプリングとStudentSpikeSlabPriorのデフォルト値
（expected.r2=0.8, prior.df=50）をRの出力に合わせるのに
数週間かかりました。
対応機能:

• Spike-and-slab変数選択（R bstsと同じ事前分布）
• 季節性コンポーネント（nseasons, season_duration）
• 動的回帰（時変係数）
• Local linear trend
  ベンチマーク（T=1000, niter=1000）:
• 共変量なし: 0.07秒（R: 2.1秒、30倍）
• 共変量5個: 0.20秒（R: 2.2秒、11倍）
  pip install bsts-causalimpact
  GitHub: https://github.com/YuminosukeSato/bsts-causalimpact
  ドキュメント: https://yuminosukesato.github.io/bsts-causalimpact/
  時系列の因果推論をされる方からのフィードバックをお待ちしています。
  特にテストすべきedge caseがあれば、ぜひ教えてください。

[shw00]

いいですね。今すぐ試せるようなデータはまだありませんが、できたら一度テストしてみます。