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

#读取图片
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)

#图片的数据格式
print(china.dtype)
print(china.shape)
print(china)

#导入处理图片和绘制图片的库
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
 
#图片处理前
china=load_sample_image('china.jpg')
plt.imshow(china)
plt.show()

image=china[::3,::3]
image.shape
 
plt.imshow(image)
plt.show()
#把二维的变成线性的 
x=image.reshape(-1,3)

#图片处理后
#255*255*255
model=KMeans(n_clusters=64)
#一维数组
b=model.fit_predict(x)
#二维（64,3）
a=model.cluster_centers_
a[b]

观察占用内存的大小

import sys
sys.getsizeof(china)

sys.getsizeof(image)

import matplotlib.image as img
img.imsave('D://zzj-01.jpg',china)
img.imsave('D://zzj-02.jpg',image)

观察文件的大小

在生活中K均值的实际应用是实现彩色图片和黑白图片的转化。

#准备处理的图片
import matplotlib.image as img
S=img.imread('d:\zzj083.jpeg')
plt.imshow(S)
plt.show()

#查看图片的数据特点
print (S.shape)
S

#把图像变为黑白
plt.imshow(S[:,:,0],plt.cm.gray)
plt.show()

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。

　　K-means算法，也称为K-平均或者K-均值，一般作为掌握聚类算法的第一个算法。这里的K为常数，需事先设定，通俗地说该算法是将没有标注的 M 个样本通过迭代的方式聚集成K个簇。在对样本进行聚集的过程往往是以样本之间的距离作为指标来划分。该算法读取预处理过的TXT文件，引用三分球命中率和篮板球的数据，将k值设为4，绘出有四个质点的散点图，可以看出这组数据的聚集程度。具体代码如下：

print("201706120083 张智杰 软件1702")
import numpy as np
import matplotlib.pyplot as plt

# step 1 加载数据
def loadDataSet(fileName):
    data = np.loadtxt(fileName, delimiter='	')
    return data

# step 2  欧氏距离计算
def distEclud(x, y):
    return np.sqrt(np.sum((x - y) ** 2))  # 计算欧氏距离

# step 3 构建k个随机质心
def randCent(dataSet, k):
    m, n = dataSet.shape
    centroids = np.zeros((k, n))
    for i in range(k):
        index = int(np.random.uniform(0, m))  #
        centroids[i, :] = dataSet[index, :]
    return centroids

# step 4 K-means函数实现算法。
def KMeans(dataSet, k):
    m = np.shape(dataSet)[0]  # 行的数目
    # 第一列存样本属于哪一簇
    # 第二列存样本的到簇的中心点的误差
    clusterAssment = np.mat(np.zeros((m, 2)))
    clusterChange = True

    #  初始化centroids
    centroids = randCent(dataSet, k)
    while clusterChange:
        clusterChange = False

        # 遍历所有的样本（行数）
        for i in range(m):
            minDist = 100000.0
            minIndex = -1

            # 遍历所有的质心
            #找出最近的质心
            for j in range(k):
                # 计算该样本到质心的欧式距离
                distance = distEclud(centroids[j, :], dataSet[i, :])
                if distance < minDist:
                    minDist = distance
                    minIndex = j
            # 更新每一行样本所属的簇
            if clusterAssment[i, 0] != minIndex:
                clusterChange = True
                clusterAssment[i, :] = minIndex, minDist ** 2
        # 更新质心
        for j in range(k):
            pointsInCluster = dataSet[np.nonzero(clusterAssment[:, 0].A == j)[0]]  # 获取簇类所有的点
            centroids[j, :] = np.mean(pointsInCluster, axis=0)  # 对矩阵的行求均值

    print("Congratulations,cluster complete!")
    return centroids, clusterAssment

def showCluster(dataSet, k, centroids, clusterAssment):
    m, n = dataSet.shape
    if n != 2:
        print("数据不是二维的")
        return 1

    mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr']
    if k > len(mark):
        print("k值太大了")
        return 1
    #step 5 主函数中调用上述4个函数实现K-means算法，并绘制数据散点图查看聚类中心
    # 绘制所有的样本
    for i in range(m):
        markIndex = int(clusterAssment[i, 0])
        plt.plot(dataSet[i, 0], dataSet[i, 1], mark[markIndex])

    mark = ['Dr', 'Db', 'Dg', 'Dk', '^b', '+b', 'sb', 'db', '<b', 'pb']
    # 绘制质心
    for i in range(k):
        plt.plot(centroids[i, 0], centroids[i, 1], mark[i])

    plt.show()


dataSet = loadDataSet('201706120083张智杰.txt')
k = 4
centroids, clusterAssment = KMeans(dataSet, k)

showCluster(dataSet, k, centroids, clusterAssment)