（三）聚类KMeans讲解和图片压缩

本文讲解KMeans算法，主要分为原理讲解，代码实现以及用KMeans来实现图片压缩

原理讲解

1.KMeans目的

如果你拿到一堆数据，但是这堆数据没有特征或者说是标签，那么，你该如何来处理这批数据？聚类算法的目的就是处理这样的无监督问题，聚类就是把相似的东西聚到一起，因此衍生出了许多聚类算法，他们按照不同的聚类方式对数据进行分类，KMeans只是其中一种。

2.KMeans基本概念

簇：指定K值，聚成多少份
质心：均值，即向量各维取平均即可
距离的度量：常用欧几里得距离和余弦相似度（先标准化）
优化目标：

3.KMeas的问题

KMeans的有点是快捷，简单，一般对规则的图形效果比较不错，但不仅K值难以确定，切计算量和样本复杂度呈线性关系，对于复杂图形的效果比较差。在这里为你提示一种叫做DBSCAN的算法，这种算法在聚类中算效果比较好的一种算法。言归正传，我们继续讨论KMeans。

代码实现

下面我使用的数据是我在学习过程中得到的一个很小的数据。

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

beer=pd.read_csv('data.txt',sep=' ')
X=beer[['calories','sodium','alcohol','cost']]
print(beer)

#使用KMeans
km2=KMeans(n_clusters=2).fit(X)
km3=KMeans(n_clusters=3).fit(X)
beer['cluster2']=km2.labels_
beer['cluster3']=km3.labels_
print(beer)
colors = np.array(['red', 'green', 'blue', 'yellow'])
#画图显示效果
for i in range(2):
    centers=beer.groupby('cluster'+str(2+i)).mean().reset_index()
    plt.scatter(beer['calories'],beer['alcohol'],c=colors[beer["cluster"+str(2+i)]])
    plt.scatter(centers['calories'],centers['alcohol'],marker='x',c='purple')
    plt.xlabel('calories')
    plt.ylabel('alcohol')
    plt.show()
    

数据我放在后面了，有兴趣的可以复制使用

现在展示散点图：

这个就是第一个print的结果，也是数据，读者可以把这个数据复制到文本文件，按照我的读取方式就可以读出来，这个标题是由我们添加，只需读取数据即可。
name calories sodium alcohol cost
0 Budweiser 144 15 4.7 0.43
1 Schlitz 151 19 4.9 0.43
2 Lowenbrau 157 15 0.9 0.48
3 Kronenbourg 170 7 5.2 0.73
4 Heineken 152 11 5.0 0.77
5 Old_Milwaukee 145 23 4.6 0.28
6 Augsberger 175 24 5.5 0.40
7 Srohs_Bohemian_Style 149 27 4.7 0.42
8 Miller_Lite 99 10 4.3 0.43
9 Budweiser_Light 113 8 3.7 0.40
10 Coors 140 18 4.6 0.44
11 Coors_Light 102 15 4.1 0.46
12 Michelob_Light 135 11 4.2 0.50
13 Becks 150 19 4.7 0.76
14 Kirin 149 6 5.0 0.79
15 Pabst_Extra_Light 68 15 2.3 0.38
16 Hamms 139 19 4.4 0.43
17 Heilemans_Old_Style 144 24 4.9 0.43
18 Olympia_Goled_Light 72 6 2.9 0.46
19 Schlitz_Light 97 7 4.2 0.47

效果图：

第二个print的结果：

KMeans到了这里就结束了，KMeans的难点在于K的选定，可以多试记住K看看效果，同时，即使是一样的K也有可能产生不同的效果，有时候我们需要多试几次，或者使用交叉验证。

图片压缩

聚类算法的压缩就是把原来的图片数据按照相似度化为不同的类，但是用聚类进行图片压缩，压缩图片不能回到原来的图片。
不多说，直接上代码

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

#导入图片
img=Image.open('Laugh.jpg')
image=np.array(img)

#显示图片
plt.imshow(img)
plt.show()

#获取图片的数据
row=image.shape[0]
clumns=image.shape[1]

#原有数据为三维，我们只使用了二维，即三维图片压缩为二维
data=image.reshape(row*clumns,3)
km=KMeans(n_clusters=2,n_init=5, max_iter=100)
img_data=km.fit(data)

#拿出聚类后的数据
end_data=np.array(img_data.labels_)
end_data=end_data.reshape(row,clumns)

#显示图片并保存
plt.imshow(end_data)
plt.show()
np.save('compress.jpg',end_data)

原图片：

压缩后：

一般来说，这个K比较小的时候，你更能看出原图像是什么样，当K比较大的时候，图片就比较鬼畜了

如果本文出现错误，请评论指正。