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。

解：

1.

from sklearn.cluster import KMeans
from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
import sys
import matplotlib.image as img
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
# 读取一张照片
china=load_sample_image("china.jpg")
# 显示原图片
plt.imshow(china)
plt.show()
print("数据结构:",china)
print("线性化结构:",china.reshape(-1,3))
print("图片文件大小:",china.size)
print("图片占内存大小:",sys.getsizeof(china))

plt.title("原图片")
plt.imshow(china.astype(np.uint8))
plt.show()
img.imsave('D:/china.jpg', china)


# 对图片像素颜色进行聚类
china = china[::3, ::3]
X = china.reshape(-1, 3)
print(china.shape, X.shape)
n_colors = 64
model = KMeans(n_colors)
labels = model.fit_predict(X)  # 获取每个像素的颜色类别
colors = model.cluster_centers_  # 获取每个类别的颜色
new_china = colors[labels].reshape(china.shape)  # 以聚类中收替代原像素颜色，还原为二维
print("新图片文件大小:",new_china.size)
print('新图片占内存大小：', sys.getsizeof(new_china))
print('新图片的数据结构：', new_china)

plt.title("新图片")
plt.imshow(new_china.astype(np.uint8))
plt.show()
img.imsave('D:/new_china.jpg', new_china）

 

 

 2.

import pandas as pd
from sklearn.cluster import KMeans
data = pd.read_csv('201706120040 柯尚明(已处理).csv')
del data['Unnamed: 0']
# K-Mean算法
# 测试数据准备
data_x=data['装修']
datax=data.iloc[:,:5]
datay=data.iloc[:,6:8]
data_y=pd.concat([datax,datay],axis=1)
# 构建模型
km_model=KMeans(n_clusters=3)    #3类
print('K-Mean模型构建完成！')
# 训练模型
km_model.fit(data_y)
km_model.cluster_centers_
km_model.labels_                #查看聚类结果
print('K-Mean模型训练完成！')

选择要观察的数据：

 查看结果：