不深度學習也不用寫程式的圖片辨識：用Weka實作MNIST手寫數字辨識 / MNIST digits Classification with Weka

深度學習CNN的熱門讓人再度對「圖片辨識」這塊領域投入許多注意。不過先不論你是很懂數學公式喜歡計算卷積的朋友，還是不求甚解只會call套件來用的朋友，大部分的朋友都必須經過安裝Python環境、tensorflow或keras等套件、一步一步遵照範例程式碼來執行CNN的這段辛苦過程。不過，在這之中應該也有不少朋友，一旦遇到輸入程式碼就十分痛苦到無法繼續作下去，對吧？別擔心，如果只是要作預測圖片、辨識圖片的話，其實來自紐西蘭的Weka也可以做到，還不用寫任何程式喔！

那麼本篇繼利用Image Filter抽取圖片特徵來分類初音彩色圖片之後，接下來這篇就要來挑戰現在CNN主要使用的資料集：MNIST手寫數字辨識問題囉。

你也懂初音？Weka辨識彩色圖片的分類與預測 / Colorful Images Classification with Weka

在「從圖片抽取量化特徵：Weka的ImageFilter」這篇的介紹之後，我們知道怎麼利用Weka的Image Filter從圖片中抽取量化特徵，並進一步用於圖片分類上。本篇我們就以Terrence所撰寫的「用tflearn來做深度學習辨識初音」中分辨初音的例子，用Weka來實作看看吧。

從圖片抽取量化特徵：Weka的ImageFilter / Extract Features from an Image File with Weka’s ImageFilter

在「不寫程式也能預測未知！用Weka分類模型來預測未知案例」這篇介紹了如何用Weka來進行預測，不過基本上像是Weka這樣的資料探勘工具處理的都是經過量化的數值或分類資料，如果今天遇到的是非結構的資料，像是圖片的話，我們要怎麼處理呢？這就要藉助Weka的「Image Filter」套件，來從非結構化的圖片檔案中抽取量化的特徵資料囉。

Weka下載與套件安裝教學 / How to download Weka and Install Package

最近很多機會會使用到Weka，在此我想要整理一下Weka的下載位置，以及在Weka中安裝套件的方法，以供其他文章連結使用。

那個才是影響依變項最多的自變項？以SPSS實作解釋型多元迴歸 / Interpreting Multiple Regression Analysis in SPSS

在進行研究的時候，我們常常會想知道到底是什麼因素影響到依變項(例如社經地位、收入、學習成效)的多寡。為此，我們會收集很多種自變項，像是年齡、收入、打字速度、前測成績、認知風格、認知負荷、學習時間等多種變項資料，想要以此來分析到底是那些自變項對依變項影響程度較大。這時候我們可以採用多變項分析中的多元迴歸分析，以解釋型的多元迴歸分析來看各個自變項的影響程度。以下我僅整理邱皓政老師所著的「統計原理與分析技術：SPSS中文視窗版操作實務詳析」這本書中例子進行介紹，詳細多元迴歸原理請去找書來看吧。

用捷徑直接開啟FTP/SFTP站台：FileZilla指令列功能 / Open FTP/SFTP Site via Shortcut: FileZilla ’s Command-line arguments

如果常常要開啟FTP或SFTP站台的話，不妨應用FileZilla Portable的指令列參數中的「--site="0/站台名稱"」來建立捷徑，以後就能快速開啟FTP/SFTP站台囉。

小樣本的卡方檢定：費雪爾正確概率檢定 / Fisher’s Exact Test: An Example

本學期在教卡方檢定的時候，一併研究起小樣本時SPSS時常使用的另一種卡方檢定「費雪爾正確概率檢定 (Fisher's exact test)」。這是一種用於2x2列聯表、行列的總數不超過20個、有細格期望值小於5的情況下所使用的無母數檢定法，可分析兩組類別資料之間是否有顯著相關。我翻找了許多書籍跟網頁，最後找到Ina Parks S. Howell的統計課講義「Fisher’s Exact Test: An Example」對費雪爾正確概略檢定有最詳細的介紹。內容不多，但還挺好理解的，那我就根據講義的內容，把計算過程整理一下吧。