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
评论0