Actividad 14 - Dimensionalidad y Agrupación

• Para poder realizar esta actividad debes haber revisado la lectura correspondiente a la semana.
• Crea una carpeta de trabajo y guarda todos los archivos correspondientes (notebook y csv).
• Una vez terminada la actividad, comprime la carpeta y sube el .zip a la sección correspondiente

Unidad: Dimensionalidad y Agrupación - Sesión 2

Ejercicio 1: Preparación del ambiente de trabajo

• Para este ejercicio trabajaremos de manera conjunta identificando la paleta de colores de carátulas de álbumes.
  • Las imágenes se encuentran en una carpeta con el nombre album_covers
  • Cada imagen tiene la siguiente nomenclatura: artista-nombre-del-album.jpg.
• El objetivo es generar un método que nos permita identificar la dominancia de una cantidad finita de colores.
• Para importar imágenes y visualizarlas, vamos a importar las siguientes librerías:
  • Partamos por incluír las librerías clásicas: pandas, numpy y matplotlib.pyplot.
  • sklearn.cluster.KMeans: para extraer los principales componentes de una matriz numérica.
  • skimage.io: Para poder ingresar y leer imágenes.

Ejercicio 2: Importación de imagenes

• Partamos por ingresar una imágen a nuestro ambiente de trabajo. Para ello ocuparemos io.imread. ¿Qué devuelve?
• Para visualizar la imágen en el notebook, ocupe io.imshow.

Ejercicio 3: Preprocesamiento de imágenes y KMeans

• Con la representación numérica de la imágen, vamos a extraer la altura, el ancho y la cantidad de canales mediante shape.
• Posteriormente redimensionaremos la imágen con reshape.
• Partamos por inicializar nuestro algoritmo KMeans con un k=8, ¿Qué significará esto?
• Vuelva a implementar el mismo algoritmo con MiniBatchKMeans. ¿Qué diferencia existe con KMeans?

Ejercicio 4: Extracción de valores

• Ahora extraeremos las etiquetas predichas con labels_. Hasta el momento las etiquetas hacen referencia a cada centroide. Para imputar sentido en éstos, debemos extraer los valores de los centroides.
• Para extraer los centroides (valores característicos), utilicemos el atributo cluster_centers_.
• Con las etiquetas, generaremos un conteo de ocurrencia con np.unique. Para extraer el conteo, debemos implementar la opción return_counts=True.

Ejercicio 5: Conversión rgb a hex

• Con los centroides, vamos a convertirlos a formato hexadecimal. Vamos a generar una función y la pasaremos con map por cada centroide.

Ejercicio 6: Definición de base

• Ahora generaremos un DataFrame con las siguientes variables:
  • El color hex.
  • La ocurrencia del color en cada pixel count.
  • El porcentaje de ocurrencia de cada color respecto a cluster_centers_.
• Posteriormente ordenaremos los colores de forma descendente por el porcentaje de ocurrencia.

Ejercicio 7: Visualización

• Genere un gráfico de barras donde presente el porcentaje de cada color. Las barras deben estar coloreadas con el color inferido.

Bonus point: envuelva todo en una función