说明：如果访问 GitHub 比较慢的话，可以关注我的知乎账号（Python-Jack），上面的“从零开始学Python”专栏（对应本项目前 20 天的内容）比较适合初学者，其他的专栏如“数据思维和统计思维”、“基于Python的数据分析”、“说走就走的AI之旅”等也在持续更新中 ...

广义线性模型（Generalized Linear Model，简称GLM）是线性回归模型的扩展，它允许因变量的分布属于指数分布族，并且其均值与自变量之间存在线性关系。这种模型可以处理线性回归模型无法处理的非正态分布数据，例如二项分布、泊松分布等。 定义： 广义线性 ...

时间序列概况在日常生活和专业研究中都很常见。简而言之,时间序列概况是一系列连续的数据点 y(0), y(1), ..., y(t),其中时间 t 的点依赖于时间 t-1 的前一个点(或更早的时间点)。 在许多应用中,研究者致力于预测时间序列概况的未来行为。存在各种建模方法。

这份讲义为初学者设计，涉及线性代数的基本概念、特殊矩阵及其应用，并提供了相应代码和图示。 人工智能的基础是数学，线性代数又是其中的重要部分。然而，对于数学基础不好的人来说，「线性代数」是一门非常抽象的课程。如何学习线性代数呢？

在统计建模中，回归分析侧重于研究因变量与一个或多个自变量之间的关系。维基百科的回归分析。 在数据挖掘中，回归是一种模型，用于表示标签（或目标，它是数值变量）的值与一个或多个特征（或预测变量，它们可以是数值和分类变量）之间的关系。