Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

5.12

 詳細：ガウス混合モデル

477

その結果、元のピクセルの色が変更され、各ピクセルに最も近いクラスタ中心の色が割り当てら

れます。これらの新しい色をピクセル空間ではなく画像としてプロットすると、その効果がわかり

ます（図 5-123）。

In[24]:

china_recolored = new_colors.reshape(china.shape)

fig, ax = plt.subplots(1, 2, figsize=(16, 6),

subplot_kw=dict(xticks=[], yticks=[]))

fig.subplots_adjust(wspace=0.05)

ax[0].imshow(china)

ax[0].set_title('Original Image', size=16)

ax[1].imshow(china_recolored)

a

x[1].set_title('16-color Image', size=16);

元の画像

16

色画像

図5-123　フルカラー画像（左）と 16色画像（右）の比較

右画像では確かに詳細が失われていますが、全体像は認識できます。右の画像は約

100

万分の

1

の圧縮率を達成しています。これは

k

平均法の興味深い応用ですが、画像の情報を圧縮するもっと

良い方法もあります。しかしこの例は、データの中身について知らなくても処理が可能となる

k

平

均法のような教師なし学習手法の持つ力を示しています。

5.12

 詳細：ガウス混合モデル

前節で説明した

k

平均法クラス ...