机器学习：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

实现代码部分：

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib.image as img
import numpy as np
import sys

plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
# image0 = img.imread("./machine_learning/data/015.jpg")  # 读取本地的一张图片，Console运行的相对路径
image0 = img.imread("../data/015.jpg")  # 读取本地的一张图片，Run运行的相对路径

plt.imshow(image0)
plt.title("015.jpg-原图")
# plt.show()
# img.imsave('./tmp/015.jpg', image0)  # Console运行的相对路径
img.imsave('../tmp/015.jpg', image0)  # Run运行的相对路径

image = image0[::3, ::3]  # 调节图片尺寸大小
X = image.reshape(-1, 3)  # 线性化处理
print("图片大小：{} byte\t{} kb\t{} Mb".format(image0.size, image0.size / 1e3, image0.size / 1e6))
print("占内存大小:", sys.getsizeof(image0))
print("图片数据结构:", image0.shape, "\t线性化:", X.shape)
plt.imshow(image)
plt.title("015.jpg-降低分辨率后")
# plt.show()

# 用kmeans对图片像素颜色进行聚类
n_colors = 64  # （255*255*255）# 图片颜色聚类,64类中心
km_model = KMeans(n_colors)
# 对X进行聚类
labels = km_model.fit_predict(X)  # 一维数组,每个元素的类别
colors = km_model.cluster_centers_  # 二维（64， 3），每个像素的颜色
print("每个元素的类别结构：", labels.shape, "\t每个像素的颜色结构：", colors.shape)
# for i in labels:
#     print(i, end='\t')

new_image = colors[labels].reshape(image.shape)  # 以聚类中收替代原像素颜色，还原二维数组
new_image = new_image.astype(np.uint8)  # 将二维数组的数据类型转化成uint8
plt.imshow(new_image)
plt.title("015.jpg-压缩后")
# plt.show()
new_image = new_image[::3, ::3]  # 将图片再次压缩
print("压缩处理后图片占存大小：", sys.getsizeof(new_image))
print("压缩后图片大小：{} byte\t{} kb\t{} Mb".format(new_image.size, new_image.size / 1e3, new_image.size / 1e6))

plt.imshow(new_image)
plt.title("new_image.jpg-压缩后")
# plt.show()
# 压缩前后对比
plt.figure(figsize=(12, 6))  # 定制大小画布
plt.subplot(1, 2, 1)  # 放置的一行两列，位置1
plt.title("原图")
plt.imshow(image0)
plt.subplot(1, 2, 2)  # 放置的一行两列，位置2
plt.title("最终压缩图")
plt.imshow(new_image)  # 类型转换，小数点转化为整形
plt.suptitle("压缩前后对比")
plt.show()
# img.imsave('./machine_learning/tmp/new_image.jpg', new_image)
img.imsave('../tmp/new_image.jpg', new_image)

测试结果如下：

压缩图片的效果对比：

操作以及保存路径：

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。

解决案例：利用学生成绩对学生进行分组

数据来源：一位高中师弟里获取的。

研究内容：将学生的各科成绩进行KMeans模型训练，通过聚类分析将学生分成四大类。这个聚类分析，可以给学校提供对学生分班之类的数据参考，也可以对此进行因材施教。

部分数据截图：

实现代码如下：

import numpy as np
from sklearn.cluster import KMeans
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示

path = r'./machine_learning/data/dianhai10.xlsx'  # Console运行的相对路径
# path = r'../data/dianhai10.xlsx'  # Run运行的相对路径
df = pd.read_excel(path)
df = pd.DataFrame(df)

df.info()  # 查看索引、数据类型和内存信息
# 数据预处理
df1 = df[
    ['姓名', '语文', '数学', '英语', '文科综合']]
score = np.array(df1.iloc[:, 1:5].fillna(value=0).astype(int))  # 把成绩切割出来
# 构建模型
km_model = KMeans(n_clusters=4)  # 分四类
# 训练模型
km_model.fit(score)
# 模型的预测
km_pre = km_model.predict(score)  # 预测聚类结果
kc = km_model.cluster_centers_  # 聚类中心
print("聚类结果：", km_pre)
print("聚类中心：", kc)
g1 = np.array(df1[km_pre == 0]['姓名'])  # 取名字
g2 = np.array(df1[km_pre == 1]['姓名'])  # 取名字
g3 = np.array(df1[km_pre == 2]['姓名'])  # 取名字
g4 = np.array(df1[km_pre == 3]['姓名'])  # 取名字
print(g1.shape, g2.shape, g3.shape, g4.shape)
g = [g1, g2, g3, g4]
print("聚类结果所对应的学生：", g)
# 散点图
plt.scatter(df1.iloc[:, 0], km_pre, c=km_pre, s=50, cmap='rainbow', alpha=0.5)
plt.title("每个学生的分组情况")
plt.xlabel("学生")
plt.ylabel("聚类结果")
plt.xticks([])
plt.show()