在SciPy中，可以使用scipy.stats.linregress函數來擬合廣義線性模型。這個函數可以用來計算給定數據集的線性回歸模型，并返回相關的統計信息，如斜率、截距、相關系數等。
下面是一個簡單的例子，演示如何在SciPy中使用linregress函數擬合廣義線性模型：
import numpy as np
from scipy.stats import linregress
# 創建示例數據集
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 4, 5, 6])
# 擬合線性回歸模型
slope, intercept, r_value, p_value, std_err = linregress(x, y)
# 打印模型參數
print("斜率:", slope)
print("截距:", intercept)
print("相關系數:", r_value)
print("p值:", p_value)
print("標準誤差:", std_err)
通過運行上面的代碼，可以得到擬合好的廣義線性模型的參數。在實際應用中，可以將自己的數據集替換示例數據集，然后使用linregress函數擬合自己的廣義線性模型。
