聚类属于无监督学习（unsupervised learning），即无类别标记。
是数据挖掘经典算法之一。
算法接收参数k；然后将样本点划分为k个聚类；同一聚类中的样本相似度较高；不同聚类中的样本相似度较小
也就是说它不能自动识别类的个数（因为k要提前指定），随机挑选初始点为中心点计算。
聚类的算法思想就是以空间中k个样本点为中心进行聚类，对最靠近它们的样本点归类通过迭代的方法，逐步更新各聚类中心，直至达到最好的聚类效果。
具体的算法步骤如下：
1. 选择k个聚类的初始中心
随机取k个中心点
2. 在第n次迭代中，对任意一个样本点，求其到k个聚类中心的距离，将该样本点归类到距离最小的中心所在的聚类
就是算一下样本点到这k个中心点的距离，到哪个中心点的距离最小则属于这一类。
3. 利用均值等方法更新各类的中心值
即在第2此迭代的时候来算各类的均值，将新的值作为下一次迭代的中心点
4. 对所有的k个聚类中心，如果利用2,3步的迭代更新后，达到稳定，则迭代结束。
如下图，为一个2-means的例子。也就是k=2，把样本分成2类。
(a)原始数据
(b)随机取两个中心点
(c)计算每个点到这两个中心点的距离，蓝色的点表示到蓝色点近的那些样本，红色点表示到红色点距离近的那些样本。
(d)求蓝色类中的均值，作为新的蓝色类的中心点。求红色类中的均值，作为新的红色类的中心点。
(e)继续算这些点到新的中心点的距离。
(f)达到平衡状态，迭代结束，即聚好类。
也就是再继续迭代的时候，分类不再有变化即达到了平衡状态或者收敛状态，就迭代结束了。
速度快，简单
①最终结果和初始点的选择相关，容易陷入局部最优
②需要给定k值
我们知道每个像素包含的字节影响图像占用内存的大小，图中能够表示的颜色越多则意味着每个像素包含的字节越多。
因此图像压缩就是将一些相近的颜色用一种颜色来替代掉。
所以只要用k-means把图片中的颜色分成几个类，然后用分好的这几个类代替她原来的颜色即可做到图像的压缩
从sklearn导入聚类包
from sklearn.cluster import KMeans
进行聚类
kmeans = KMeans(n_clusters=k, random_state=0)
训练模型
kmeans.fit(pixel_sample)
参数：
pixel_sample为训练的数据
找到每个样本对应的聚类中心
cluster_assignments = kmeans.predict(pixel_sample)
输出找到的k个聚类中心的值
kmeans.cluster_centers_
用k-means进行图片压缩的例子
①导入包
import numpy as np
import cv2
import matplotlib.pyplot as plt
%matplotlib inline②输入图片
original_img = cv2.imread('./images/ColorfulBird.jpg')
print('图像维度：', original_img.shape) #输出结果图像维度： (592, 900, 3)，因为是RGB图所以有3个通道
cv2.imshow('original_img', original_img)
cv2.waitKey(0)
cv2.destroyAllWindows()③进行数据预处理，把图片表示成3列数据，分别为RGB三个通道上的像素值
height, width, depth = original_img.shape
# 将图像数据点平铺
# 每个数据点为一个3维的样本
pixel_sample = np.reshape(original_img, (height * width, depth))
#也就是把原来(592, 900, 3)形式的图片表示成592乘900行，3列的矩阵
print('前10个像素点：')
print(pixel_sample[:10, :])
pixel_sample.shape #结果(532800, 3)结果：
前10个像素点：
[[1 1 1]
[1 1 1]
[1 1 1]
[1 1 1]
[1 1 1]
[2 2 2]
[2 2 2]
[2 2 2]
[2 2 2]
[2 2 2]]
④进行聚类
from sklearn.cluster import KMeans
# 压缩后图片包含的颜色个数，即为聚类的个数
k = 5
kmeans = KMeans(n_clusters=k, random_state=0) #指定k-means的k为5，random_state即每次取得的初始随机中心点为一样的
# 训练模型
kmeans.fit(pixel_sample)
# 找到每个3维像素点对应的聚类中心
cluster_assignments = kmeans.predict(pixel_sample)
kmeans.cluster_centers_ #输出找到的5个聚类中心的值
print(set(cluster_assignments)) # 每个样本聚类的结果是对应的聚类中心的 索引，结果是{0, 1, 2, 3, 4}，也就是说0代表第1个中心值以此类推kmeans.cluster_centers_结果：
array([[ 68.11107251, 89.03672639, 80.03241565],
[ 38.54080044, 66.45019455, 233.13219381],
[205.9955164 , 100.0450495 , 78.74751379],
[ 50.24563672, 26.83740713, 29.50156917],
[ 89.67301041, 204.39409162, 224.8703557 ]])
⑤ 输出压缩后的图片
在第四步已经通过k-means找到了5个中心值，接下来就用这五个颜色来表示其对应类中的其他颜色。这样就起到了压缩图片的作用。
compressed_img = np.zeros( (height, width, depth), dtype=np.uint8)
# 遍历每个像素点，找到聚类中心对应的像素值
pixel_count = 0
for i in range(height):
for j in range(width):
# 获取像素点的聚类中心的索引
cluster_idx = cluster_assignments[pixel_count]
# 获取聚类中心索引位置上的像素值
cluster_value = cluster_centers[cluster_idx]
# 赋值
compressed_img[i][j] = cluster_value
pixel_count += 1
cv2.imwrite('./images/compressed_image.jpg', compressed_img, [cv2.IMWRITE_JPEG_QUALITY, 50])# 特别注意的是如果直接输出压缩后的图片，因为OPenCV默认的输出为90，反而通过聚类后输出的图片占用的内存更大，我们需要把值的清晰度改成50
cv2.imshow('original_img', original_img)
cv2.imshow('compressed_img', compressed_img)
cv2.waitKey(0)
cv2.destroyAllWindows()结果对比