作业：K-means算法应用：图片压缩

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
 
#读取一张示例图片或自己准备的图片，观察图片存放数据特点
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)

　　

#根据图片的分辨率，适当降低分辨率
image = china[::3,::3]  #行列分别按step为3的距离取
x = image.reshape(-1,3) #生成行数自填充，列数为3的二维数组
plt.imshow(image)
plt.show()
print(image.shape,x.shape)
 
 
#用k均值聚类算法，将图片中所有颜色值做聚类。
n_color = 64
model = KMeans(n_color)
labels = model.fit_predict(x) #每个点的颜色分类
color = model.cluster_centers_ #64个聚类中心，颜色值
 
 
#用聚类中心的颜色代替原来颜色，形成新图片
color[labels]
images = image.reshape(143, 214, 3)
print(images.shape)
plt.imshow(images)
plt.show()

　　

2.贝叶斯

• M桶：7红3黄
• N桶：1红9黄
• 现在：拿出了一个红球
• 试问：这个红球是M、N桶拿出来的概率分别是多少？

解:   设:事件A为拿到一个红球，事件M是在M桶中拿到红球；事件N为在N桶里拿到红球。

1) P(M|B) = P(B|M) · P(M) /P(B) = (7/10 · 1/2)/ (8/20) =  7/8

2) P(N|B) = 1 - P(M|B) = 1/8