1. 应用K-means算法进行图片压缩
读取一张图片
观察图片文件大小，占内存大小，图片数据结构，线性化
用kmeans对图片像素颜色进行聚类
获取每个像素的颜色类别，每个类别的颜色
压缩图片生成：以聚类中收替代原像素颜色，还原为二维
观察压缩图片的文件大小，占内存大小
代码如下
from sklearn.datasets import load_sample_image
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
import sys
#读取sklearn.datasets里的图片china.jpg
china = load_sample_image(‘china.jpg‘)
#观察图片的大小和内存
print("图片原大小：",china.size)
print("图片原内存：",sys.getsizeof(china))
#根据图片的分辨率，可适当降低分辨率
image=china[::5,::5] #降低分辨率
x=image.reshape(-1,3) #生成行数未知，列数为3
#将图片中所有的颜色值做聚类，然后获取每个像素的颜色类别，每个类别的颜色。
n_colors=64
model=KMeans(n_colors)
labels=model.fit_predict(x) #每个点颜色分类，训练x
colors=model.cluster_centers_#找聚类点
new_img=colors[labels].reshape(image.shape)
#新图片的大小和内存
print("新图片大小：",new_img.size)
print("新图片内存：",sys.getsizeof(new_img))
#新的图片
plt.imshow(new_img.astype(np.uint8))
plt.show()
2. 观察学习与生活中可以用K均值解决的问题。
从数据-模型训练-测试-预测完整地完成一个应用案例。
这个案例会作为课程成果之一，单独进行评分。