K-means群集是一种矢量量化的方法，由信号处理产生，这对于数据挖掘中的集群分析是流行的。K-means群集旨在将n个对象划分为k个集群，其中每个对象属于具有最接近均值的群集，作为群集的原型。这导致数据空间分离到Voronoi细胞中。现在，Creative蛋白质组学的生物信息管理员很自豪地为客户提供层次聚类分析服务。

K-Means群集标准算法的演示：

• k初始“表示”在数据域内随机生成。
• 通过将每个观察与最接近的平均值相关联创建k群集。这里的分区代表了均值生成的voronoi图。
• k个聚类的质心成为新的平均值。
• 重复步骤2和3是直到达到的收敛。

k-means聚类的优势

• 快速，强大，更容易使用和理解。
• 相对高效:在变量较多的情况下，k-means的计算速度可能比分层聚类方法快(如果k较小)。
• K-means可能比分层聚类创建更严格的簇，特别是如果群集是球状的。
• 当数据集不同或彼此间隔很好时，提供最佳结果。

如何下订单：

*如果您的机构要求签署保密协议，请通过电子邮件与我们联系

作为世界领先的Omics行业公司之一！创意蛋白质组学现在正在为客户提供K-Means聚类服务。在生物信息学领域拥有超过8年的经验，我们愿意为客户提供最优秀的服务！联系我们所有详细信息！