昔日因，今日意

COSeditor

https://cos.name/2014/04/lmm-and-me/

xuening

"注意 $X\beta$ 并不影响 $$y$$ 的方差" 这里的公式似乎编辑错了

eeyangc

非常帅的点评！

eeyangc

已更正。

czq

大赞杨灿一如既往的好文！

shuaihuang

好文。统计模型的妙处常常来源于在一个什么层面上去看待同样一组数据。在想要什么，和实际收集的是什么，以及最终能够得到的是什么之间，存在很大的想象空间。

eeyangc

我没有接触过生态学方面的数据。但就Genomics 的数据来看，比如Case-Control，response 是0-1的情况，LMM(Gaussian)是可以直接使用的，只要样本量比较大，比如>2000。如果是heave tail，通常需要做一些预处理，然后用LMM。

Kunwei

写得好，赞一个！

eeyangc

我没有用过OpenCV的实现，我个人喜欢GBM R package。当然Random Forest也是非常好的，也有R package RandomForest。

eeyangc

我个人觉得GB和RF效果实际上差不多，二者的主要想法互不相同却又互相联系，参见Friedman, J. H. and Popescu, B. E. "Importance Sampled Learning Ensembles." (Sept. 2003)。Re PS: 还是引用那句话吧：“你不觉得天边.的晚霞很美吗？只有看着她，我才能坚持向西走。”

huhutc

文艺，喜欢

零四五妖

膜拜大神，作为生物统计和计算基因组学新生，学到很多既扎实又很文艺的知识，谢谢大师。

Cloud2016

来按个手印，又看了一篇好文