Show GN: Google CausalImpact R 패키지를 Python으로 포팅 (Gibbs 샘플러는 Rust)

Google의 CausalImpact R 패키지를 Python으로 포팅했습니다.
Gibbs 샘플러를 Rust로 구현하고 PyO3로 Python에서 호출합니다.
TensorFlow 불필요, R 대비 약 30배 빠릅니다.
만든 이유:
기존 Python 포팅들에 문제가 있었습니다. pycausalimpact는
MLE를 사용해서 R과 결과가 다릅니다. tfcausalimpact는
TensorFlow(3GB+)가 필요합니다. 그리고 어떤 포팅도
spike-and-slab 변수 선택을 구현하지 않았습니다.
R의 bsts가 여러 control 시계열 중 적합한 것을 자동으로
골라내는 핵심 기능이 바로 이것입니다.
이 라이브러리는 R의 bsts 패키지와 동일한 Gibbs 샘플러를
재현합니다. 칼만 필터, 시뮬레이션 스무더, spike-and-slab
사전분포까지 전부 동일합니다. 매 커밋마다 R CausalImpact
1.4.1과의 수치 동등성 테스트가 CI에서 실행됩니다
(포인트 효과 ±3%, CI 범위 ±5%).
가장 어려웠던 부분은 spike-and-slab이었습니다.
Coordinate-wise 샘플링과 StudentSpikeSlabPrior 기본값
(expected.r2=0.8, prior.df=50)을 R 출력과 맞추는 데
몇 주가 걸렸습니다.
지원 기능:

• Spike-and-slab 변수 선택 (R bsts와 동일한 사전분포)
• 계절성 컴포넌트 (nseasons, season_duration)
• 동적 회귀 (시변 계수)
• Local linear trend
  벤치마크 (T=1000, niter=1000):
• 공변량 없음: 0.07초 (R: 2.1초, 30배)
• 공변량 5개: 0.20초 (R: 2.2초, 11배)
  pip install bsts-causalimpact
  GitHub: https://github.com/YuminosukeSato/bsts-causalimpact
  문서: https://yuminosukesato.github.io/bsts-causalimpact/
  시계열 인과추론을 하시는 분들의 피드백을 기다립니다.
  특히 테스트해야 할 edge case가 있다면 알려주세요.