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
from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as img
#读取原始图片
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)#观察图片存放数据特点
image=china[::3,::3] #降低分辨率
plt.imshow(image)
plt.show()
#改变数组
x=image.reshape(-1,3)
n_colors=64 #(256，256，256)
model=KMeans(n_colors) #64类聚类中心
labels=model.fit_predict(x) #每个点的颜色分类，0-63
colors=model.cluster_centers_ #64类聚类中心值
new_image=colors[labels] #进行颜色填充
new_image=new_image.reshape(image.shape)
plt.imshow(new_image.astype(np.uint8))
plt.show()
. 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。
第一种：根据给定的天气状况判定是否去打网球
源代码：
将天气转换成数值的结果：
通过实例所给的天气，预测得出的结果，yes代表打网球，no代表不打网球：
