K均值算法--应用(2)

当前位置:

首页 > temp > 简明python教程 >

K均值算法--应用(2)

第一张原图

第二张压缩图

第三张使用KMeans算法压缩图片

保存图片

查看原图和压缩图所占内存大小

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。

			
									import matplotlib.pyplot as plt

									import sklearn.datasets as ds

									import matplotlib.colors

									#造数据

									N=800

									centers=4

									# 生成2000个（默认）2维样本点集合，中心点5个

									data,y=ds.make_blobs(N,centers=centers,random_state=0)

									#原始数据分布

									#pylot使用rc配置文件来自定义图形的各种默认属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。

									matplotlib.rcParams['font.sans-serif'] = [u'SimHei']

									matplotlib.rcParams['axes.unicode_minus'] = False

									cm = matplotlib.colors.ListedColormap(list('rgbm'))

									plt.scatter(data[:,0],data[:,1],c=y,cmap=cm)

									plt.title(u'原始数据分布')

									plt.grid()

									plt.show()

									#使用K-Means算法

									from sklearn.cluster import KMeans

									# n_clusters=k

									model=KMeans(n_clusters=3,init='k-means++')

									#聚类预测

									y_pre=model.fit_predict(data)

									plt.scatter(data[:,0],data[:,1],c=y_pre,cmap=cm)

									plt.title(u'K-Means聚类')

									plt.grid()

									plt.show()

栏目列表