第四次作业 4.K均值算法--应用

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小，占内存大小，图片数据结构，线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别，每个类别的颜色

压缩图片生成：以聚类中收替代原像素颜色，还原为二维

观察压缩图片的文件大小，占内存大小

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一，单独进行评分。

1、图片压缩

(1)读取一张图片

 显示压缩前的照片

（2）观察图片文件大小，占内存大小，图片数据结构，线性化

 

 

 (3)压缩图片生成

观察压缩图片的文件大小，占内存大小

 显示压缩后的照片

 

  显示第二次压缩后的照片

 

 2、观察学习与生活中可以用K均值解决的问题。

 用来分类我们的绩点高低，分五类。使用sklearn库的kmeans函数进行预测。画出散点图，或者把名字显示出来，更好观察学生的学习情况。

 散点图

 

 显示分类数据的代码截图，数据在这里就不展示了

代码如下：

#2. 观察学习与生活中可以用K均值解决的问题。

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
path = r'.jidian.xlsx'#导入表
df = pd.read_excel(path)
score = np.array(df.iloc[:,7])#选数据
X =score.reshape(-1,1)
ests = KMeans(n_clusters=5)
ests.fit(X)#训练
y_kmeans = ests.predict(X)#评估分类
y_kmeans
#散点图
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
plt.scatter(score,y_kmeans,c=y_kmeans,s=100,cmap='rainbow')
plt.title("绩点的散点图")
plt.show()
#显示名字
g0=np.array(df[y_kmeans==0]['姓名'])
g1=np.array(df[y_kmeans==1]['姓名'])
g2=np.array(df[y_kmeans==2]['姓名'])
g=[g0,g1,g2]
g