廣義線性模型和一般線性模型的區(qū)別？廣義線性模型（GLM）。該模型以自變量的線性預(yù)測函數(shù)作為因變量的估計(jì)。在機(jī)器學(xué)習(xí)中，許多模型都是基于廣義線性模型的，如傳統(tǒng)的線性回歸模型、最大熵模型、logistic

廣義線性模型和一般線性模型的區(qū)別？

廣義線性模型（GLM）。該模型以自變量的線性預(yù)測函數(shù)作為因變量的估計(jì)。在機(jī)器學(xué)習(xí)中，許多模型都是基于廣義線性模型的，如傳統(tǒng)的線性回歸模型、最大熵模型、logistic回歸模型、softmax回歸模型等。廣義線性模型GLM非常簡單。例如，藥物的療效與其劑量有關(guān)。這種相關(guān)性可能是多種多樣的，可能是簡單的線性關(guān)系（服用一片退燒0.1度，服用兩片退燒0.2度，以此類推；這種情況是一般的線性模型），也可能是更復(fù)雜的其他關(guān)系，如指數(shù)關(guān)系（一片退燒0.1度，兩片退燒（0.4度）、對數(shù)關(guān)系等。這些復(fù)雜關(guān)系可以通過一系列數(shù)學(xué)變換轉(zhuǎn)化為線性關(guān)系，統(tǒng)稱為廣義線性模。對于廣義線性混合模型，GLMM更為復(fù)雜。GLM要求觀測誤差是隨機(jī)的，而GLMM要求誤差值不是隨機(jī)的，而是分布的。例如，我們認(rèn)為療效可能與服藥時(shí)間有關(guān)，但相關(guān)性并不是單純的療效隨服藥時(shí)間而變化。療效隨機(jī)波動的程度更可能與給藥時(shí)間有關(guān)。比如早上10點(diǎn)，大家基本上都是半飽。此時(shí)，同樣劑量的效果幾乎相同。但到了中午，有的人還沒吃飯，有的人吃飯了，有的人喝酒了，結(jié)果，酒和東西起反應(yīng)，有的人喝醋，醋和東西起反應(yīng)的方式就不同了。顯然，中午吃飯會導(dǎo)致藥物療效的隨機(jī)誤差非常大。這種療效隨機(jī)誤差（不是療效本身）隨時(shí)間而變化，并呈現(xiàn)一定的分布，因此必須采用廣義線性混合模型。

統(tǒng)計(jì)專業(yè)需要考什么證書嗎？

我自己的本科生和研究生都在學(xué)習(xí)統(tǒng)計(jì)學(xué)。之后的工作就是做數(shù)據(jù)分析和挖掘的相關(guān)工作。

還關(guān)注與統(tǒng)計(jì)相關(guān)的證書?？傮w而言，與統(tǒng)計(jì)相關(guān)的證書，如統(tǒng)計(jì)員證書、數(shù)據(jù)分析師和數(shù)據(jù)挖掘工程師，在行業(yè)中并不流行。

至于統(tǒng)計(jì)員證書，我真的覺得離實(shí)踐不太近。

關(guān)于數(shù)據(jù)分析和認(rèn)證，全國人大經(jīng)濟(jì)論壇上有一批人在工作，但似乎沒有成功。沒有官方承認(rèn)。

至于注冊會計(jì)師、特許金融分析師、精算師等，與統(tǒng)計(jì)行業(yè)有著深厚的關(guān)系確實(shí)很難。

就我個(gè)人而言，我不認(rèn)為統(tǒng)計(jì)專業(yè)需要根據(jù)目前的就業(yè)情況進(jìn)行測試。當(dāng)然，如果參加考試，肯定會增加就業(yè)的砝碼。

如果你真的想增加這個(gè)專業(yè)的權(quán)重，我建議你好好學(xué)習(xí)統(tǒng)計(jì)學(xué)專業(yè)的基礎(chǔ)理論：

A.描述性統(tǒng)計(jì)分析

B.推斷統(tǒng)計(jì)（抽樣分布、參數(shù)估計(jì)、假設(shè)檢驗(yàn)）

C.實(shí)驗(yàn)設(shè)計(jì)和方差分析

D.多元分析（聚類分析、因子分析、主成分分析、典型相關(guān)分析等）

如統(tǒng)計(jì)模型（廣義線性模型）、混合效應(yīng)模型、ARMA、arch等）

F.了解統(tǒng)計(jì)模型與算法模型的區(qū)別

29歲想學(xué)python，有哪些建議？

學(xué)習(xí)python與年齡無關(guān)。去年，我33歲的時(shí)候在openstack上學(xué)習(xí)Python。在我的職業(yè)生涯中，我學(xué)過幾種語言，包括C、C、PHP和python。

就學(xué)習(xí)內(nèi)容而言，我認(rèn)為學(xué)習(xí)一門語言主要包括兩個(gè)方面：

1）語言本身的語法，其實(shí)內(nèi)容很少

2）與語言相關(guān)的系統(tǒng)庫和第三方庫，內(nèi)容多，難度大

另外，我的經(jīng)驗(yàn)是如何學(xué)好一門語言的實(shí)踐，實(shí)踐包括兩個(gè)方面：

1）閱讀更多的代碼，你可以看到更好的開源項(xiàng)目，如openstack或Django等。

2）編寫更多的代碼。如果你的工作中有項(xiàng)目，如果沒有，你可以寫一些小項(xiàng)目。例如，開發(fā)一個(gè)python版本的redis。