國立雲林科技大學
資訊管理研究所

資料探勘第四次作業

組 長：王智文 M10123033
組 員：林 璂 M10123017 羅煒業 M10123038 彭浩政 M10123058

中華民國一百二年一月

摘要

蛋白質是生命的第一要素，是構成細胞與肌肉組織不可或缺的物品，通常這些都是以不同形式參與維持生命的重要化學反應。而生命中還是有兩萬多種酵素，也是由體內二十多種氨基酸以不同的排列組合而成，然而酵母的主要成分也是都由蛋白質所組成，且酵母可分為（一）麵包酵母、（二）食品酵母、（三）藥用酵母、（四）飼料酵母，其應用也很廣泛。也讓本組認識蛋白質分類的動力。想要藉此來讓相關研究人員方便做實驗用。本次實驗主要是以Matlab來進行實驗，資料集為區域性的蛋白質酵母(yeast)實驗。使用了K-means分群演算法，經由調整其分群參數後，以產生的分群結果其SSE與平均群間距離來做比較，並計算分群品質以做為評估，同時產生K=1至K=40的平均SSE、平均群間距離與分群品質的趨勢圖，並以其中有代表性的K值產生之分群結果來觀察分群的示意圖，以此來做為結論的依據。而依據實驗結果，得出在K=5與K=14時，平均群間距離與分群品值有較強烈的成長，可以判斷K=5與K=14是較佳的分群結果。最後將K=5與K=14使用分群示意圖及原始資料數據比對，基於yeast資料集的類別屬性有10種，所以對yeast資料集進行K-mean演算時，其K值至少要大於10，因此K=14應為最佳之分群結果。

關鍵字：蛋白質、酵母、資料探勘、Matlab

目錄
摘要 i
一、緒論 1
1.1 動機 1
1.2 目的 1
二、背景知識 2
2.1 Matlab簡介 2
2.1.1 Matlab的介紹 2
2.1.2 Matlab的歷史 2
2.1.3 Matlab的特性 3
2.2 K-means演算法 3
三、方法 5
3.1 實作說明 5
3.2 關鍵程式碼 7
四、實驗 9
4.1 資料集 9
4.2 前置處理 11
4.3 實驗設計 11
4.4 實驗結果 12
五、結論 16
附錄A:遭遇的問題及解決方法 16
附錄B:心得 16
參考文獻 17

一、緒論
1.1 動機
現在我們吃的以及用的東西已經有很多是屬於酵母所發酵產生的食物，凡舉麵包、醬油、酒類、優酪乳、農業、藥物、動物的飼料等等。酵母菌不論是人工或是自然產生的，都於我們的日常生活當中隨處可見。
酵母來自於天然的營養和營養載體，其營養成分具有“三低四優”的特點，即低脂、低糖、不含膽固醇，富含優質完全蛋白質、完整的B群維生素、以生命結合態形式存在的多種礦物質和功能膳食纖維。且酵母中含有豐富的蛋白質，高達40%～60%，營養價值高。也因為酵母的營養價值高，同時人體對酵母的消化率也將近達100%，酵母有如此多的優點，因而使得我們也想進一步了解有依據多種不同酵母的特性的影響，應當被列屬於哪一種蛋白質。

1.2 目的
本次研究主要目的是熟悉Matlab的操作與程式的撰寫，同時希望能夠提供相關的研究知識以協助相關生物相關研究人員做進一步的了解，其中實驗的部份將採用K-means分群演算方式來進行，並用不同的參數及分析方式來找出資料中所隱藏的資訊與關係。

二、背景知識
2.1 Matlab簡介

2.1.1 Matlab的介紹
Matlab是一種數學軟體，其名稱是由「矩陣實驗室」（Matrix Laboratory）所合成的，故可知其最早的開發目的的是針對矩陣方面做運算，其提供高階數學運算能力與進階的繪圖工具，可幫助使用者完成資料分析、資料視覺化、以及演算法與應用程式的設計等目的，如今隨著矩陣的應用愈加發達，Matlab也愈受歡迎，目前世界上100多個國家的超過一百萬工程師和科學家在使用Matlab。

2.1.2 Matlab的歷史
最早第一個版本的Matlab，是在1970年代末到80年代初時，由美國新墨西哥大學（University of New Mexico）教授的克里夫•莫勒爾（Cleve Moler）獨立用FORTRAN所編寫，起因是當時的學生並無透過FORTRAN編寫相關經驗，為了減輕學生的負擔，可以更方便地使用LINPACK及EISPACK，故才因此寫了Matlab。而這時的Matlab版本還未推向市場，克里夫•莫勒爾（Cleve