glm-intro:Tom Wallis和Philipp Berens开设的研究生级统计课程中的IPython笔记本集合

广义线性模型 使用Python环境的实用介绍 （ 和（ 本课程概述了非常灵活的统计框架，用于描述和执行各种数据类型的推断：广义线性模型（GLM）。 许多常见的统计程序是GLM的特殊情况。 在本课程中，我们专注于设计矩阵的构造和理解（使用S样式公式表示法）以及回归权重的解释。 在讨论更多一般情况之前，我们主要关注线性高斯模型。 我们还将探讨该框架与ANOVA样式模型比较之间的关系。 该课程于2015年1月在蒂宾根大学为神经科学专业的研究生设计并提供为期6周的选修统计学课程。这些讲座以IPython Notebooks的形式进行介绍。 （我们希望）笔记本有充分的记录，但它们是演讲材料，而不是教科书。 因此，某些内容可能不言自明。 我们选择使用Python来完成本课程，因为 它是一种通用的编程语言，因此比更通用。 神经科学家可以使用Python不仅分析数据，还可以例如与硬件交互，等。 它