作业四

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

from sklearn.datasets import load_sample_image

import matplotlib.pyplot as plt

import numpy as np

import matplotlib.image as img

#读取原始图片

china = load_sample_image("china.jpg")

plt.imshow(china)

plt.show()

print(china.shape)#观察图片存放数据特点

 

image=china[::3,::3]  #降低分辨率

plt.imshow(image)

plt.show()

 

#改变数组

x=image.reshape(-1,3)

n_colors=64 #(256，256，256)

model=KMeans(n_colors)  #64类聚类中心

labels=model.fit_predict(x) #每个点的颜色分类，0-63

colors=model.cluster_centers_  #64类聚类中心值

new_image=colors[labels]  #进行颜色填充

new_image=new_image.reshape(image.shape)

plt.imshow(new_image.astype(np.uint8))

plt.show()

 

. 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。

第一种：根据给定的天气状况判定是否去打网球

源代码：

 将天气转换成数值的结果：

通过实例所给的天气，预测得出的结果，yes代表打网球，no代表不打网球：