데이터셋에서 특성 추출이 완료되었기 때문에 KMeans()를 사용하여 클러스터링을 구현합니다. 데이터셋의 이미지가 개와 고양이로 구성되어 있기 때문에 클래스 두 개로 이미지를 분류합니다.
코드 11-5 클러스터링 구성
k = 2 ------ 클래스는 개와 고양이 두 개
kmodel = KMeans(n_clusters=k, n_jobs=-1, random_state=728)
kmodel.fit(pred_images) ------ 모델 훈련
kpredictions = kmodel.predict(pred_images) ------ 모델 예측
shutil.rmtree('..chap11\data\output') ------ 모델이 분류될 폴더의 위치 지정
for i in range(k):
os.makedirs("..chap11\data\output" + str(i)) ------ 모델이 분류될 폴더를 생성(output0, output1이 생성)
for i in range(len(paths)):
shutil.copy2(paths[i], "..chap11\data\output" + str(kpredictions[i])) ------ pets 폴더의 이미지들이 output0과 output1로 복사되면서 클래스에 적합하게 분류
다음 그림은 output0 폴더 위치에 분류된 고양이 이미지입니다.
▲ 그림 11-8 분류된 고양이 이미지