晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

網路上有許多機器學習的課程與資源，筆者想跟讀者分享兩個個不錯的學習資源，供對機器學習有興趣的讀者可以自主學習。

1.吳恩達老師的機器學習課程

貳、圖表目錄

20、這邊圖表目錄新增另一個情況，假設樣式清單中，已經新增過表標題或圖標題的樣式，此時我們可以選取我們要的樣式，直接變更在已存在的表標題或圖標題的樣式。先指定確認的表標題，並選取反白。

論文目錄的製作在「論文整理WORD小技巧-頁碼篇-2」及「論文整理WORD小技巧-頁碼篇-3」之中有較詳細的教學，但最近客戶遇到一個問題，撰寫論文的過程中並沒有利用樣式與格式進行編輯，而在論文完成後要開始製作目錄及圖表目錄，發現弄不出正確的版本，結果如下。

作者之前有篇文章，同樣主題，當時是利用「書籤」及「按鈕」，在不同圖表之間切換，達成節省版面的功能。這裏我們再介紹另外一種更強大的方法，

我們看下圖，這是一個關於Covid-19確診人數的Power BI作品，當把游標移至橫條圖時，會浮現一張地圖。用”浮現”二字，是因為這張地圖並不是替換，而是暫時飄浮在圖面上，當游標移開時，地圖就不見了。這就像我們把游標移到上方的工具列時，會出現該工具圖示的說明文字一樣。

筆者之前有寫過一篇文章關於「1. Pubmed Impact Factor」擴充插件的說明(https://reurl.cc/rRyWe4)，此插件可以讓使用者在Pubmed(https://pubmed.ncbi.nlm.nih.gov/)搜尋文獻的時候根據impact factor做篩選，在搜尋文獻時可以快速知道impact factor以及文章的部分摘要說明。

在製作Power BI report時，我們可能很開心的在同一頁上製作了很多圖表（visual視覺效果），將版面塞好塞滿，非常有成就感。但在實際閱覽時，又覺得如果某一個圖形（橫條圖）可以同時以另一種形式（樹狀圖）出現的話，感受更好。這時就會受限於版面已經爆滿，找不出空間再塞新圖，硬塞的話又會破壞美感，這時怎麼辧呢？

一般針對連續變項的分布情形，通常會使用盒形圖來做視覺化的呈現，盒形圖的組成會包含下左圖所提到的，中位數(median)、上四分位數(25^th quantile)、下四分位數(75^th quantile)、上邊緣(最大值，maximum)、下邊緣(最小值，minimum)以及可能的異常值(outlier)，我們可以透過盒形圖的對稱與否觀察資料的離散程度，也可以檢視資料當中有無不合理的異常值。除此之外，盒形圖也可以用來比較不同組別資料的分布差異，如下右圖所示，一號實驗對象的光速平均而言(中位數約930)比起其他實驗組別要來得快，但資料的分布也比較分散。

筆者最近在幫客戶分析案子的時候遇到了一個畫圖的問題，後來測試了許多做法，最後找到用R來解決此畫圖問題。筆者手上的資料如下圖所示，包含了五個欄位，其中Mean, Lower, Higher是事先計算好的統計結果，Mean是點估計值，Lower跟Higher分別是95%信賴區間跟Mean之間的距離，因為是假設常態分佈的情況，因此Lower跟Higher會剛好一樣。