區間估計不用再查表了！信賴區間計算器 / Confidence Intervals Calculator

區間估計是學習推論統計的第一道關卡，但是計算區間的門檻卻相當的高。計算區間估計時，要知道資料適用的分佈、各種分佈對應的誤差範圍的計算公式、並搭配z分佈或t分佈的查表等技巧，儘管如此，這些步驟其實也只是機械化的動作已，用人腦來算其實是挺沒效率的一件事情。

因此，我參考深入淺出統計學的公式與範例，以JavaScript製作了一份純網頁版本的信賴區間計算器。當任何研究使用想要從樣本來推估母體參數時，都可以用這個信賴區間計算器來計算母體參數可能位於的區間。

準實驗研究之統計控制法分析：共變數分析的SPSS操作 / Apply Statiscal Control to Quasi-Experimental Design: Analysis of Covariance in SPSS

共變數分析是數位學習領域的準實驗研究法很常用到的一種分析方式。共變數分析所處理的資料一般是具有前後測的樣本統計量、對不同組別的後測平均值進行比較的方法。本篇是我在研讀吳明隆老師與涂金堂所著的「SPSS與統計應用分析」第16章「共變數分析」之後，節錄資料及操作方法的筆記。

用RSS訂閱YouTube：YouTube頻道網址轉RSS連結 / Get an RSS Feed for a YouTube Channel

想要追蹤YouTuber的最新影片一定要打開YouTube嗎？其實YouTube也提供了RSS連結的方式供人訂閱影片喔。我參考「How to Get an RSS Feed for a YouTube Channel」這篇的做法，製作了一個「YouTube頻道網址轉RSS連結」，這樣就能在自己喜歡的RSS閱讀器上追蹤YouTuber的最新影片了。

訂製Facebook分享連結：Facebook 分享連結產生器 / How to Share to Facebook with Custom Parameters: Facebook Share Link Builder

作為一位網站管理者，總是希望使用者可以更容易地將網站訊息分享到Facebook上。除了使用AddThis或SumoMe之外，我們也可以直接使用網址來開啟分享到Facebook的功能，還能夠客製化引言、圖片、網址標題、網址介紹、網站標題等資訊，讓使用者分享訊息更為搶眼喔！

我參考「Share to Facebook with custom parameters」這篇的做法，製作了一個「Facebook 分享連結產生器」供大家使用，讓大家也能夠提升社群媒體的整合力吧！

Google試算表也能算推論統計：XLMiner Analysis ToolPak之獨立樣本t檢定 / Student’s t-test in Google Spreadsheet: XLMiner Analysis ToolPak

算統計一定要SPSS嗎？這可是大大的認知錯誤。除了SPSS之外，Excel、R-Web都有許多統計工具。不僅如此，就連Google試算表的外掛程式也有統計工具XLMiner Analysis ToolPak可以用。今天這篇就要帶大家來用Google試算表計算推論統計中最常用的獨立樣本t檢定，步驟簡單又實用。

不囉嗦，直接開啟壓縮檔中的檔案：Archive File Opener / Open Files in an Archive File Directly: Archive File Opener

一般來說，要檢查一個壓縮檔中的檔案時，必須先經過壓縮檔的程式、解壓縮、然後才能看到檔案內容，這樣才能真的打開檔案。可是這樣的過程實在是太煩人了。我用AutoIt跟7-Zip做了Archive File Opener，它可以讓我們直接開啟壓縮檔中所有檔案。我們不是要看壓縮檔，而是要看裡面的內容，不囉嗦直接用吧！

純文字的合併列印：CSV文字範本產生器 / Merge CSV into Plain Text: CSV Merge Generator

Word的合併列印可以讓我們用試算表資料來產生大量格式相同、只有指定欄位不一樣的文件，那純文字的文件檔案能不能這樣做呢？當我們需要將大量的CSV資料搭配特定指令來重複操作的時候，這個CSV文字範本產生機就可以派上用場了。

感謝贊助！ / Thanks For Your Donation

今天來慶賀一件特別的事情：有大大請布丁喝咖啡啦！ (感謝圖片來自於DONATION THANK YOU LETTERS)

幫你選擇分類器的分類器：Auto-WEKA / Automatic Model Selection and Hyperparameter Optimization in Weka: Auto-WEKA

資料探勘工具Weka提供了多種不同的演算法以及設定演算法的參數，也許大家會在課堂上學到很多種演算法，但到底那一種演算法分類的效果最好呢？這個問題就交給Auto-WEKA來幫你決定吧。

不寫程式也能預測未知！用Weka分類模型來預測未知案例 / Make predictions with Saved Machine Learning Model in Weka

雖然Weka有很多用來預測的分類演算法，但真正用Weka來進行預測的教學卻很少。這篇將參考「How to Save Your Machine Learning Model and Make Predictions in Weka」的教學，從比較容易為大家編輯的試算表檔案開始，如何利用Weka的分類功能來為未知案例進行預測。