机器学习小实战（四） KMeans聚类

朱雀 2021-09-27 06:10 497阅读 0赞

**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())

![70][]

**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

![70 1][]

**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——

![70 2][]

![70 3][]

### 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

![70 4][]

**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()

![70 5][]

太吓人了！！！

[70]: /images/20210923/674ad8638c60495f9f188272b7d646ce.png
[70 1]: /images/20210923/e558fc85e50f4f05ba531a7e089d2640.png
[70 2]: /images/20210923/2592ca630d534c41938a6e95d53522e5.png
[70 3]: /images/20210923/eb5bd063470a4470b8ba8ea9c84fd17b.png
[70 4]: /images/20210923/1b262ee37556416abdd14ae156243fac.png
[70 5]: /images/20210923/355753fb11fd4c469659e751502f2844.png