在SciPy中，可以使用scipy.stats.linregress函数来拟合广义线性模型。这个函数可以用来计算给定数据集的线性回归模型，并返回相关的统计信息，如斜率、截距、相关系数等。
下面是一个简单的例子，演示如何在SciPy中使用linregress函数拟合广义线性模型：
import numpy as np
from scipy.stats import linregress
# 创建示例数据集
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 4, 5, 6])
# 拟合线性回归模型
slope, intercept, r_value, p_value, std_err = linregress(x, y)
# 打印模型参数
print("斜率:", slope)
print("截距:", intercept)
print("相关系数:", r_value)
print("p值:", p_value)
print("标准误差:", std_err)
通过运行上面的代码，可以得到拟合好的广义线性模型的参数。在实际应用中，可以将自己的数据集替换示例数据集，然后使用linregress函数拟合自己的广义线性模型。
