图像压缩python_使用KMeans算法将图像压缩6倍！

作者：张江 | 来源：ATYUN

在本文中，我们将讨论K-Means算法，它是一种基于聚类的无监督机器学习算法。此外，我们还将讨论如何使用K-Means来压缩图像。

在深入研究K-Means算法的细节之前，让我们先了解一下无监督的机器学习是什么，以及它的实际应用是什么。

与有标记数据的监督机器学习不同，，无监督机器学习处理未标记数据的问题。如果你熟悉经典的有监督机器学习，你可能会问，如何从未标记的数据集中学习任何有用的东西？成本函数是否不需要输出标签来计算算法的执行方式？

无监督机器学习(更具体地说是K-Means)，是通过将相似的数据点聚集在高维空间中来实现的。

在左侧，数据点最初是分散的。假设我们不知道每个数据点是如何相关的，但它们不失普遍性。换句话说，仅仅通过查看图表，我们无法确定某某点是否相似，只是因为它们彼此靠近(同样，想象数据点是高维的，即大于3维)。

聚类的作用是，它将彼此更接近的数据点分组到一个聚类中，而不管维度的数量，从而表明属于单个聚类的数据点属于特定类。

这个简单的想法有可能解决我们社会面临的许多问题：

• 市场细分：根据不同的特征将潜在客户的市场划分或细分的过程。创建的细分市场由消费者组成，消费者将对营销策略做出类似响应，并且共享诸如类似兴趣，需求或位置等特征。

• 社交网络分析：分析具有相似品味的社交媒体平台的用户的过程。在识别具有相似品味的用户之后，运行有针对性的广告变得更容易。

• 天文数据分析：分析未标记的天文数据以找出隐藏模式的过程。