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
答：
读取一张图片并显示出这个图片的文件大小以及占内存的大小：
初始化的原图片是这样的：
原图片的详细信息运行结果：
通过kmeans对图片进行像素分辨率等压缩，并显示出压缩后的详细信息，保存成新的图片命名为0034：
经过处理后，可以得到压缩后图片的文件大小，占用内存大小以及数据结构：
在文件的资源管理器中查看压缩前后图片的大小差异：
将图片进行二次压缩：
展示压缩后的图片，对比第一次压缩以及第二次压缩的画质，可以看出明显压缩：
第一次压缩后：
第二次压缩后：
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。
答：
在生活中，也可以用K均值来解决问题，在这里我用的是二手房链家网站的数据来进行应用。
在这里我们选用在广州市白云区的二手房
首先通过网页爬虫来对数据进行存储为csv表格，将其命名为学号姓名并进行简单的预处理：
运用K均值算法来研究白云区的楼盘价格跟房的面积大小的关系，通过数据可视化可以直观的看到：
具体代码如下：
通过K均值算法的运用，我们可以发现楼盘价格跟房屋的面积大小有着十分密切的关系，面积越大，房价越高。