--課程已於 2020 年 11 月更新--
--課程已於 2020 年 11 月更新--
課程說明
本課程將讓你開始使用深度學習技術構建你的第一個人工類神經網路( artifical neural network )。按照我以前的邏輯回歸(logistic regression)課程，我們採用這個基本的構建塊(builing block)，並使用Python和Numpy 構建全開的非線性類神經網路。本課程的所有教材都是免費的
我們使用softmax函數將以前的二進制分類模型擴展為多個分類，並且我們使用第一原理導出非常重要的訓練方法稱之為“反向傳播 (backpropagation)”。我會向你說明如何在Numpy中反向傳播代碼，首先是“緩慢的方式”，然後是“快速的方式”使用Numpy功能。
接下來，我們使用 Google 的新 TensorFlow 程式庫實現一個類神經網路。
如果你有興趣開始朝向成為深度學習專業人士這個目標，或者如果你對機器學習和資料科學感興趣，那麼你應該參加這門課程。我們超越了基本模型，例如邏輯回歸和線性回歸，我向你展示一些自動學習特徵的東西。
本課程為你提供了許多實用範例，以便你可以真正了解如何使用深度學習。在整個課程中，我們將實作一個課程專案，該專案將向你展示如何預測使用者在網站上的操作，這些使用者數據包括使用者是否在移動設備上，他/她們查看的產品數量，他/她們在你的網站上停留多長時間，他/她們是否是回訪使用者，以及他/她們訪問的時間。
課程結束時的另一個專案向你展示如何使用深度學習來進行臉部表情識別。想像一下，能夠預測某人的情緒只是基於一張圖片！
在讓你動手做後有了基礎，我提供了一些最新的類神經網路發展的簡要概述-稍微修改的架構和它們用來做什麼。
https://softnshare.com/data-science-deep-learning-in-python/
logistic regression範例 在 [程式] SPSS 非獨立樣本使用logistic regression - 看板Statistics 的推薦與評價
[軟體程式類別]:SPSS
[程式問題]:
在SPSS使用logistic regression分析非獨立樣本，
與迴歸分析中觀察樣本必須獨立的前提假設是否有衝突？
[軟體熟悉度]:新手
[問題敘述]:
我的實驗設計是每個受測者會被分配到甲/乙其中一種情境，
每個情境中都有四種不同的商品，受測者須對評估這些商品，並選擇購買其中之一，
雖然每個受測者拿到的四種商品都不同，但可依商品特性分成A、B、C、D四種，
研究目的：在不同情境下，評估行為（是否查看評論、是否查看商品資訊）和商品特性
（A、B、C、D）對於購買行為的影響會不會不同
查詢過後發現，這類discrete choice model的實驗，通常會使用multinomial logistic
regression 或 conditional logistic regression來做分析
想要請教各位的是：
logistic regression有一前提假設是【樣本之間必須彼此獨立】，
而上述實驗屬於非獨立樣本（因為買其中之一就不會買其他的商品），
使用SPSS的 multinomial logit 或 conditional logit 會不會有問題呢？
目前嘗試使用SPSS分析，但一想到觀察樣本必須獨立的假設，心裡就覺得不太踏實...，
實作中也有遇到一些疑問想請教
1. multinomial logit因為DV要是多類別，所以刪減資料，只取被購買的那項商品來分析
dataset size = 受測者人數
DV：購買哪種特性的商品（A、B、C、D）
IV：情境（甲、乙）、背景變項（如：年齡、性別、是否熟悉這類商品...等）、
是否看商品評論、是否看商品資訊、交互作用項
使用multinomial logit的疑問是，若要將所有資料納入（把未被購買的商品加進來）
，資料結構要如何修改呢？
還是其實可以不修改資料結構，直接把所有資料丟進去跑，只是DV改成是否購買？
2. conditional logit，以survival cox regression來實作，
時間變數的部分是將購買的商品設為1，未被購買的設為2
dataset為long format，size = 受者者人數*商品數(4)
DV：是否購買
IV：情境、背景變項、是否查看評論、是否查看商品資訊、商品特性、交互作用項
想請教這邊的conditional logit是否需要考慮觀察樣本必須獨立的前提假設呢？
3. 如果要研究商品特性與情境如何影響評估行為，
將DV改成是否查看評論，這樣是不是就能將資料視為獨立樣本，
可直接使用binary logistic regression了呢？
[程式範例]:
dataset (long format)大概長這樣
再請各位協助解惑了，感激不盡！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.240.100.128
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1496308348.A.F6E.html
※ 編輯: shirley7483 (111.240.100.128), 06/01/2017 18:21:54
※ 編輯: shirley7483 (111.240.100.128), 06/01/2017 20:17:24
感謝andrew43大的回覆！
您說的一人一列資料的意思是，要把其他未被購買的商品放進來嗎？
（如：B/C/D商品的特性、是否查看B/C/D商品的評論、是否查看B/C/D商品的資訊）
還是您的意思是只須分析 每人選擇購買的商品 的那筆資料就好？（不管另外三個商品）
另外，關於問題3，如果想以 是否查看評論 來當作應變數，會有非獨立樣本的問題嗎？
（可能有人只看A商品的評論，有人看A、C的評論，有人全部都看）
補充：每個人的ABCD商品是完全不同的，只是有類似的特性才歸類成四種類別
（受測者1拿到的A商品與受測者2拿到的A商品不同，但都有A特性）
※ 編輯: shirley7483 (111.240.100.128), 06/01/2017 21:08:51
※ 編輯: shirley7483 (111.240.100.128), 06/01/2017 21:14:03
不獨立的問題來自於希望將四種商品的特徵與行為都納入為自變數
在long format(如文中附圖)中，雖然每人之間獨立，但每筆資料(有紀錄每人對每項商品
做出的動作)是不獨立的
若是改成wide format，遇到的問題：不知DV、IV該如何設計，才能將未被購買的另外三
個商品納入考量？
之前曾看過在這類choice model中使用mixed logit來分析的文章，SPSS中可能可使用的是
GEE、mixed model，對這兩種方法瞭解較少，不知道上述dataset適不適合使用？
目前理解是，這兩種方法都是以連續變數為應變數，但我的資料中，應變數為類別變數
（「是否購買」或「購買A/B/C/D哪種商品」或「是否查看評論」），故可能不適合...
※ 編輯: shirley7483 (118.150.79.175), 06/02/2017 14:24:21
感謝yesrex、andrew43！
對於轉換成wide table之後有點不太懂，想再請教三個問題 >"<
1.不太確定如何轉成wide table（對dummy variable沒有很理解）
試著轉換之後，wide table大概會長這個樣子嗎？
2.yesrex大說的是，使用wide table做MNL，應變數放purchase(此人購買ABCD哪種商品)，
自變數就直接將剩下的都丟進去？
3.andrew43大說的之後挑掉的意思是，如第2點，做full model分析後，把不顯著的挑掉，
然後繼續試各種自變數與交互作用的組合嗎？
如果是的話，有個疑問：alterA_review、alterB_review...這四個變數推測是一組的，
，然後其中有一個是reference category。若有兩個不顯著先剔除，那剩下的兩個變數
該如何解釋呢？
還是這四個變數是一組的，要就一起剔除，不然就一起留下，才能夠解釋？
以上，感謝大家不厭其煩的協助！！！
※ 編輯: shirley7483 (111.240.96.23), 06/03/2017 23:52:01
... <看更多>