机器学习小实战（四） KMeans聚类

目录

一、 KMeans聚类简介

二、小案例

四、 KMeans用于图像压缩

---

一、 KMeans聚类简介

需要事先指定簇的数目k

优化目标：所有点到各自质心的距离之和最小 

特点：受初始值（K个随机质心的位置）的影响挺大的、受形状的影响还有点大

二、小案例

读数据、算法实例化（设置参数），训练模型、展示与分析

1. 读取数据，了解一下

import numpy as np
import pandas as pd
import matplotlib as plt

beer=pd.read_csv('data.txt',sep=' ')
print(beer.shape) #(20, 5)
print(beer.head())

2. 数据预处理

给定数据集有5列，第一列是名字，与特征没什么关系，所以将后面四列提取出来，作为接下来聚类的数据。

X=beer[['calories','sodium','alcohol','cost']]

3. KMeans聚类算法

算法实例化：指定簇的个数为3或2，然后将数据传入进行训练

from sklearn.cluster import KMeans

km_3=KMeans(n_clusters=3).fit(X) #一行完成算法的实例化和传入数据
km_2=KMeans(n_clusters=2).fit(X)

km_3.labels_

结果：array([0, 0, 0, 0, 0, 0, 0, 0, 2, 2, 0, 2, 0, 0, 0, 1, 0, 0, 1, 2])

输出的这个数组中有3种取值：0,1,2对应三个不同的簇的标签

beer['cluster_3']=km_3.labels_ #将标签值（所在的是哪个簇）作为新的特征存入csv中
beer['cluster_2']=km_2.labels_
beer.sort_values('cluster_3') #按值内容排序

4. 结果可视化

多个特征，做二维可视化时就只能选择2个特征进行可视化咯

from pandas.tools.plotting import scatter_matrix #散布图矩阵
cluster_centers3=km_3.cluster_centers_
cluster_centers2=km_2.cluster_centers_
beer.groupby('cluster_3').mean() #计算不同类别所对应的其他属性的平均值
beer.groupby('cluster_2').mean()

centers=beer.groupby('cluster_3').mean().reset_index()
plt.rcParams['font.size']=14
colors=np.array(['red','green','blue','yello'])

#散点图中，两个坐标分别是calories和alcohol的取值
plt.scatter(beer['calories'],beer['alcohol'],c=colors[beer['cluster_3']])
plt.scatter(centers.calories,centers.alcohol,linewidth=3,marker='+',s=300,c='black')
plt.xlabel('calories')
plt.ylabel('alcohol')

结果：centers长啥样——

 

四、 KMeans用于图像压缩

1. 读取图像

# -*- coding:utf-8 -*-这行太重要了，在anaconda编程时，要是忘记加上这行，可就显示不出图像了呢

# -*- coding:utf-8 -*-
from skimage import io
from sklearn.cluster import KMeans
import numpy as np

image=io.imread('img.jpg')
io.imshow(image)
io.show()
#print(image.shape) #(647, 650, 3) 原来3个通道

2. KMeans压缩

rows=image.shape[0]
cols=image.shape[1]

image=image.reshape(image.shape[0]*image.shape[1],3)   #一张图的像素点排成一列，3表示3个通道的值
kmeans=KMeans(n_clusters=128,n_init=10,max_iter=200)   #实例化kmeass，指定n为128（原来是256，并且还有3个通道呢）
kmeans.fit(image)  # 实例化kmeans后，传入对象image

clusters=np.asarray(kmeans.cluster_centers_,dtype=np.uint8)#把聚类之后的中心给取出来
labels=np.asarray(kmeans.labels_,dtype=np.uint8)
labels=labels.reshape(rows,cols)#变成二维的了，所以是灰度图形式

print(clusters.shape) #(128, 3) 
np.save('codebook_test.npy',clusters)
io.imsave('compressed_test.jpg',labels)

3. 保存与显示

image=io.imread('compressed_test.jpg')
io.imshow(image)
io.show()

太吓人了！！！