一句话面向数据建模的开源 Python 框架，支持多项式回归、稀疏多项式近似、降维、Polynomial Chaos 与核方法学习。
定价开源；页面同时出现订阅式模板价格信息，真实性与产品相关性存疑 正文称 basic $29/月、standard $69/月、premium $199/月，但相关文案大量提到 templates，可能为网站模板占位内容，不能确认是 equadratures 框架的真实收费。
适合谁需要用 Python 做科学计算、回归建模、不确定性量化、降维和核方法学习的研究人员、工程师与数据科学用户
核心功能Polynomial regressionSparse polynomial approximationSubspace-based dimension reductionPolynomial chaosKernel-based learningDocumentationGitHubFeature Notebooks
功能与用途用于 fitting models to data，可用于 polynomial regression、sparse polynomial approximation、subspace-based dimension reduction、polynomial chaos，以及更近期的 kernel-based learning。
支持语言/框架明确为 open-source Python framework。正文未说明支持的 Python 版本或其他语言/框架。
开源还是闭源开源，正文明确写明 open-source，并提供 GitHub 入口。
定价正文出现 basic $29/月、standard $69/月、premium $199/月的订阅方案，但页面大量模板化文案与 equadratures 框架不一致，无法确认其为真实产品定价。
API/SDK未给出具体 API/SDK 信息，仅说明是 Python framework。
集成与生态提供 Documentation、GitHub、Feature Notebooks；GitHub 指标为 100 stars、45 forks、11 watchers，上月下载 175 次。
文档质量正文仅显示 Documentation 和 Feature Notebooks 入口，未提供文档内容细节，无法判断完整性和质量。
支付正文称接受主要信用卡和在线支付方式，但该信息可能来自模板化定价页面，未确认与框架相关。
中国访问未知
适用场景科学机器学习、实验/仿真数据拟合、稀疏多项式模型构建、降维建模、不确定性量化中的 polynomial chaos、核方法建模研究
同类scikit-learn、GPyTorch、PyMC、OpenTURNS、Chaospy、UQpy