机器学习——04K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

  

 

 

 源代码：

#加载图片
from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
china=load_sample_image("china.jpg") #获取一个图片
plt.imshow(china)
plt.show()

import sys
print("原图片文件大小为：",china.size)
print('原图片内存大小：',sys.getsizeof(china))
print('原图片数据结构：',china.shape)

image=china[::3,::3]#降低分辨率，每隔3个数取一个数据
x=image.reshape(-1,3)#线性化，列数为3
print(china.shape,image.shape,x.shape) #输出原图数据结构，降低后的数据结构及线性化后的数据结构
plt.imshow(china)
plt.show()

from sklearn.cluster import KMeans
import numpy as np
n_colors=64 #聚类，把颜色分为64类
model=KMeans(n_colors) #建模
label=model.fit_predict(x)#获取数据，一维数组，255*255*255个元素的类别
colors=model.cluster_centers_#划分聚类，把上面的元素归为64类颜色，二维（64，3）
new_image=colors[label].reshape(image.shape)#代替，用聚类后的64种颜色代替原来的颜色值，还原为二维。
plt.imshow(new_image.astype(np.uint8))#把颜色平均值转为整数
plt.show()#新图

print("压缩后图片文件大小为：",new_image.size)
print('压缩后图片内存大小：',sys.getsizeof(new_image))
print('压缩后图片数据结构：',new_image.shape)

import matplotlib.image as img
img.imsave('D:\图片\new_china.jpg',new_image.astype(np.uint8)) #保存新图片

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。

 数据：

表4-1天气与打球关联关系表
Day	Outlook	Temp	Humidity	Windy	Play
D1	Sunny	Hot	High	Weak	No
D2	Sunny	Hot	High	Strong	No
D3	Overcast	Hot	High	Weak	Yes
D4	Rain	Mild	High	Weak	Yes
D5	Rain	Cool	Normal	Weak	Yes
D6	Rain	Cool	Normal	Strong	No
D7	Overcast	Cool	Normal	Strong	Yes
D8	Sunny	Mild	High	Weak	No
D9	Sunny	Cool	Normal	Weak	Yes
D10	Rain	Mild	Normal	Weak	Yes
D11	Sunny	Mild	Normal	Strong	Yes
D12	Overcast	Mild	High	Strong	Yes
D13	Overcast	Hot	Normal	Weak	Yes
D14	Rain	Mild	High	Strong	No

  

 

 源代码

import pandas as pd
#读取数据并进行预处理,非数值型数据数据化
data=pd.read_csv("C:/Users/AAAA/PycharmProjects/untitled/data/data.csv")
data.loc[data['Outlook']=='Sunny','Outlook']=1
data.loc[data['Outlook']=='Overcast','Outlook']=2
data.loc[data['Outlook']=='Rain','Outlook']=3
data['Outlook']=data['Outlook'].astype('int')

data.loc[data['Temp']=='Hot','Temp']=1
data.loc[data['Temp']=='Mild','Temp']=2
data.loc[data['Temp']=='Cool','Temp']=3
data['Temp']=data['Temp'].astype('int')

data.loc[data['Humidity']=='High','Humidity']=0
data.loc[data['Humidity']=='Normal','Humidity']=1
data['Humidity']=data['Humidity'].astype('int')

data.loc[data['Windy']=='Weak','Windy']=0
data.loc[data['Windy']=='Strong','Windy']=1
data['Windy']=data['Windy'].astype('int')

data.loc[data['Play']=='No','Play']=0
data.loc[data['Play']=='Yes','Play']=1
data['Play']=data['Play'].astype('int')

from sklearn.cluster import KMeans
from sklearn.model_selection import train_test_split
X = data.iloc[:,1:5]  #训练集
Y = data.iloc[:,5]   #测试集
data_tr, data_te , label_tr ,label_te = train_test_split(X,Y, test_size=0.2,random_state=1) #割分
knn_model=KMeans(n_clusters=2)  #分为2类
knn_model.fit(data_tr,label_tr) #训练模型
y_pre=knn_model.predict(data_te) #测试模型
print('被预测的数组：', data_te)
print('预测结果：', y_pre)