用模拟来理解混合效应模型之二：Random Intercept and slope model

在之前的这篇文章中，混合效应模型的意义已经说的比较清楚了，简言之，样本中不能穷尽总体level的变量都是随机效应。也可以这么认为，会影响目标变量，但我们不关心的解释变量都是随机效应。之前文章的随机效应只影响模型的intercept，那么也会有影响slope的随机效应。我们先来看一下这种混合效应模型的假设，再用假设来生成数据，并建模和绘图。

Yij = b0 + (b1+si)*Xij +  bi + eij 

* b0: fixed intercept

* b1: fixed slope

* X: fixed effect

* bi: random effect(influence intercept)

* eij: noise

* si: random effect(influence slope)

《R语言与Bioconductor生物信息学应用》已经出版

《R语言与Bioconductor生物信息学应用》一书主要是使用R语言来解决生物信息学问题。主要作者是两位在生物信息学界有极深造诣的科研人士，高山和欧剑虹，这二位的博客地址如下：
http://blog.sciencenet.cn/u/gaoshannankai
http://pgfe.umassmed.edu/ou/
我本人也完成了其中部分章节的写作。此书的特点在于：

• 从实际课题出发，提出解决这个问题的思路，结合用到的原理或基础知识，但更偏重整个解决问题的框架和流程，选用R这种简单易学但功能强大的语言，把讲解延伸到具体程序代码，让读者100%经历整个课题研究过程。
• 最大的创新点是：实际课题直接来作者发表的SCI文章，全部都是真枪实弹，不杜撰所谓“实际应用”。国内外尚未见到与SCI文章紧密结合的生物信息书籍。
• 本书是多名R领域专家（全部都是一线科研工作者）通过互联网联手写作。在前期网上调研的基础上，尽量在本书内突出大多数人普遍关心而又难找相关资料的问题。
• 所见即所得，学到的知识可以通过简单编程（仅仅代码拷贝粘贴）加以实现，印象深刻，学了不会忘。提出三板斧学习法，让无基础的人也能编程。
• 本书作者通过QQ群直接面向读者答疑，并且共享了大量的参考资料和习题答案。使用正版书籍的读者都可以入群享受最好的服务。不在书中罗列基础知识凑字数，也不使用光盘，既能减轻读者负担，又能保护环境。

R语言公开课在网易上线

对于R语言的初学者来讲，有一些视频教学的参考是很好的帮助。为此我们在网易云课堂上线了R语言免费教学视频。请猛戳这里。

一份数据挖掘小书评

书看得多了，渐渐有了品味，所以看那些英文版的时候也不再有很膜拜的感觉。不过再差的书，总会有些许长处或教训，值得借鉴。下面列出一些在数据挖掘实现方面的书，主要是基于R和python的。

• Data mining with R Learning with Case studies: 我的启蒙书，很好的案例教学，这种书应该出更多些。
• Data Mining Applications with R: 风格类似上面，多人合作的案例讲解，非常不错，就是每个例子略为简短了一点。
• Machine Learning for Hackers: 也是以案例为主，但是内容质量不能保持在同一水准上，代码讲的比较细。
• An Introduction to Statistical Learning: 比较系统的讲解了统计学习的内容，以及相应的R包函数，优点在于有习题。
• Machine Learning with R: 同样是系统的列出各机器学习算法对应的R包函数，直观理解很好，而且讲了一些caret包的使用。比较新的书。
• Applied predictive modeling: 对预测算法讲的最细，涉及R包最多，由于作者是caret的开发者，所以要学习caret则必看此书。
• Big Data Analytics with R and Hadoop: 刚出的大数据挖掘书籍，讲解了如何用RHadoop来整合R和hadoop，什么时候会有R和spark的书出来啊。

• programming_collective_intelligence: 有些年头的书了，但确实是经典，原理讲的简洁，就讲python代码实现，喜欢这种风格。
• Machine Learning in Action: 和上面风格类似，不过实现是主要基于python的numpy库，这样代码量要精简很多，也很好。
• Python for data analysis: 主要讲pandas库，精彩例子不多，可以直接去看帮助文档。
• Learning scikit-learn Machine Learning: 主要以scikit-learn扩展库为工具做机器学习，比较简单，可以直接去看帮助文档。
• Building Machine Learning Systems with Python: 和上面那本类似，讲函数功能为主，原理直觉没涉及到。