經過了幾次我們對於電腦內的表格或是Orange內分享的資料集進行分析，那其實數據有著許多型式，包括圖像、表格、文本或一段音頻等等，那今天我要為大家介紹的，是如何用Orange將圖像轉換為數字數據，讓電腦能執行機器學習。
好啦~前言至此，我們開始吧!

安裝插件-Image Analytics(圖像分析)

首先，我們先找到Orange中的「Options」，點開「Add-ons」，將當中的「Image Analytics」安裝起來，接著就可以關掉並重啟Orange，就會在左邊的組件欄囉~(相信大家對這個步驟已經相當熟悉啦XD)

下載圖檔

接下來，我是下載Orange提供的圖檔包，我是到Orange的官網進入「Image Analytics: Clustering」，當中有一行「Images of domestic animals」，按下其連接的超連結，就可以進入Github，按下左邊的Download即可完成下載步驟。那因為怕大家覺得需要繞這麼一大圈有些麻煩，所以我也有在圖檔包這個關鍵字幫大家超連結囉!(想說讓大家知道一下圖檔於正常流程中是如何下載而來的~

下載完後，內容應該就是這些~(小雞超可愛的啦

匯檔並觀察

將照片匯入檔案，可從「Image Viewer」檢視內容，而我們可以發現連接「Data Table」後，內容是照片的大小及資料來源，無法做機器學習，所以我們要再對這份資料進行處理。

處理資料

我們將用深度神經網路把照片轉換成向量，而此向量又稱為圖像嵌入(Image Embedding)，也就是將圖像嵌入至一個多為的空間中。
而「Image Embedding」這個組件是將圖像傳送到服務器，並且遠程地計算嵌入。

補充說明深度神經網路(DNN, Deep Neural Network)
由幾百萬個照片上訓練的模型，而通常它具有兩層或兩層以上隱藏層的神經網路，所以我們稱它為深度神經網路。

點開被處理過的數據資料表(Data Table)，會發現裡面出現了額外地2048個數據，可以讓我們進行機器學習圖像分析使用。

視覺化數據分析

接著，我們可以來對這些處理過的圖像進行比較與運算其相似性啦~
連上「Distances」，將內容改成用Cosine(餘弦定理)來最佳處理圖像分析。

再來，將數據傳送至「Hierarchical Clustering」，再接「Image Viewer」觀察數狀圖對於圖像的相似性呈現。 (Distances連接Hierarchical Clustering的舉動，詳細解說在第九篇有提過呦~)

放兩邊照看，更為清楚~

到此，大家可能會覺得這些照片都是很相似的畫風，但其中一張圖完全可以合理地解釋這個演算法真的有其實用性地!
以下這張圖右邊有一隻歐洲乳牛(Milka)，照片風格與其他相當不一樣，但也被良好地歸類了!

大家也可以試試其它照片輸入至你的檔案中，看看它們是否有被正確歸類呢~Have fun~

參考資料:
Orange
深度學習