目錄

二、小案例

一、 KMeans聚類簡介

需要事先指定簇的數目k

優化目標：所有點到各自質心的距離之和最小 

特點：受初始值（K個隨機質心的位置）的影響挺大的、受形狀的影響還有點大

二、小案例

讀資料、演算法例項化（設定引數），訓練模型、展示與分析

1. 讀取資料，瞭解一下

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. 資料預處理

給定資料集有5列，第一列是名字，與特徵沒什麼關係，所以將後面四列提取出來，作為接下來聚類的資料。

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

3. KMeans聚類演算法

演算法例項化：指定簇的個數為3或2，然後將資料傳入進行訓練

from sklearn.cluster import KMeans

km_3=KMeans(n_clusters=3).fit(X) #一行完成演算法的例項化和傳入資料
km_2=KMeans(n_clusters=2).fit(X)

km_3.labels_

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

輸出的這個陣列中有3種取值：0,1,2對應三個不同的簇的標籤

beer['cluster_3']=km_3.labels_ #將標籤值（所在的是哪個簇）作為新的特徵存入csv中
beer['cluster_2']=km_2.labels_
beer.sort_values('cluster_3') #按值內容排序

4. 結果視覺化

多個特徵，做二維視覺化時就只能選擇2個特徵進行視覺化咯

from pandas.tools.plotting import scatter_matrix #散佈圖矩陣
cluster_centers3=km_3.cluster_centers_
cluster_centers2=km_2.cluster_centers_
beer.groupby('cluster_3').mean() #計算不同類別所對應的其他屬性的平均值
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'])

#散點圖中，兩個座標分別是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')
 

結果：centers長啥樣——

四、 KMeans用於影象壓縮

1. 讀取影象

# -*- coding:utf-8 -*-這行太重要了，在anaconda程式設計時，要是忘記加上這行，可就顯示不出影象了呢

# -*- 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) 原來3個通道

2. KMeans壓縮

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

image=image.reshape(image.shape[0]*image.shape[1],3)   #一張圖的畫素點排成一列，3表示3個通道的值
kmeans=KMeans(n_clusters=128,n_init=10,max_iter=200)   #例項化kmeass，指定n為128（原來是256，並且還有3個通道呢）
kmeans.fit(image)  # 例項化kmeans後，傳入物件image

clusters=np.asarray(kmeans.cluster_centers_,dtype=np.uint8)#把聚類之後的中心給取出來
labels=np.asarray(kmeans.labels_,dtype=np.uint8)
labels=labels.reshape(rows,cols)#變成二維的了，所以是灰度圖形式

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

3. 儲存與顯示

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

太嚇人了！！！