(转) 6 ways of mean-centering data in R

6 ways of mean-centering data in R

怎么scale我们的数据？

还是要看我们自己数据的特征。

 

如何找到我们数据的中心？

Cluster analysis with K-means. How to get the cluster representatives?

 

开发工具时不要先写代码，把算法理顺了再写，就会顺利得多。

1. 随机或者自定义一个点（基因），找到另一个符合条件的点（距离以及overlap数达标）；

2. 算出新的group的中心，找下一个符合条件的点；

3. 迭代循环，直至找不到任何符合条件的点。

 

1. 怎么算距离，这个至关重要；

2. 怎么算overlap，这个也很重要；

3. 怎么设置条件，非常重要。

这些都只能在测试数据上不断测试，多找几个数据。 

 

为了降低计算的复杂度，事先可以过滤掉一些没有用的基因（这一步小心点）。

 

我唯一的目的就是要找到3个一种的可以用于标定一个subgroup的marker群。

 

可以先得出精细的结果，后面确定cluster之后就可以利用SC3的函数来得到广泛的marker（该函数是否还有优化空间）。