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測函數作為因變量的估計。在機器學習中，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測函數作為因變量的估計。在機器學習中，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。這種相關性可能是多種多樣的，可能是簡單的線性關系（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），也可能是更復雜的其他關系，如指數關系（一片退燒0.1度，兩片退燒（0.4度）、對數關系等。這些復雜關系可以通過一系列數學變換轉化為線性關系，統(tǒng)稱為廣義線性模。對于廣義線性混合模型，GLMM更為復雜。GLM要求觀測誤差是隨機的，而GLMM要求誤差值不是隨機的，而是分布的。例如，我們認為療效可能與服藥時間有關，但相關性并不是單純的療效隨服藥時間而變化。療效隨機波動的程度更可能與給藥時間有關。比如早上10點，大家基本上都是半飽。此時，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，結果，酒和東西起反應，有的人喝醋，醋和東西起反應的方式就不同了。顯然，中午吃飯會導致藥物療效的隨機誤差非常大。這種療效隨機誤差（不是療效本身）隨時間而變化，并呈現一定的分布，因此必須采用廣義線性混合模型。

統(tǒng)計專業(yè)需要考什么證書嗎？

我自己的本科生和研究生都在學習統(tǒng)計學。之后的工作就是做數據分析和挖掘的相關工作。

還關注與統(tǒng)計相關的證書?？傮w而言，與統(tǒng)計相關的證書，如統(tǒng)計員證書、數據分析師和數據挖掘工程師，在行業(yè)中并不流行。

至于統(tǒng)計員證書，我真的覺得離實踐不太近。

關于數據分析和認證，全國人大經濟論壇上有一批人在工作，但似乎沒有成功。沒有官方承認。

至于注冊會計師、特許金融分析師、精算師等，與統(tǒng)計行業(yè)有著深厚的關系確實很難。

就我個人而言，我不認為統(tǒng)計專業(yè)需要根據目前的就業(yè)情況進行測試。當然，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專業(yè)的權重，我建議你好好學習統(tǒng)計學專業(yè)的基礎理論：

A.描述性統(tǒng)計分析

B.推斷統(tǒng)計（抽樣分布、參數估計、假設檢驗）

C.實驗設計和方差分析

D.多元分析（聚類分析、因子分析、主成分分析、典型相關分析等）

如統(tǒng)計模型（廣義線性模型）、混合效應模型、ARMA、arch等）

F.了解統(tǒng)計模型與算法模型的區(qū)別

29歲想學python，有哪些建議？

學習python與年齡無關。去年，我33歲的時候在openstack上學習Python。在我的職業(yè)生涯中，我學過幾種語言，包括C、C、PHP和python。

就學習內容而言，我認為學習一門語言主要包括兩個方面：

1）語言本身的語法，其實內容很少

2）與語言相關的系統(tǒng)庫和第三方庫，內容多，難度大

另外，我的經驗是如何學好一門語言的實踐，實踐包括兩個方面：

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

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