聚类评估算法-轮廓系数（SilhouetteCoefficient）六级分值
轮廓系数（Silhouette Coefficient），是聚类效果好坏的⼀种评价⽅式。最早由 Peter J. Rouuw 在 1986 提出。它结合内聚度和分离度两种因素。可以⽤来在相同原始数据的基础上⽤来评价不同算法、或者算法不同运⾏⽅式对聚类结果所产⽣的影响。
netkeeper
⽅法：
人力数据分析1，计算样本i到同簇其他样本的平均距离ai。ai 越⼩，说明样本i越应该被聚类到该簇。将ai 称为样本i的簇内不相似度。
簇C中所有样本的a i 均值称为簇C的簇不相似度。
2，计算样本i到其他某簇Cj 的所有样本的平均距离bij，称为样本i与簇Cj 的不相似度。定义为样本i的簇间不相似度：bi香港服装设计学院
=min{bi1, bi2, ..., bik}
bi越⼤，说明样本i越不属于其他簇。
3，根据样本i的簇内不相似度a i 和簇间不相似度b i ，定义样本i的轮廓系数：
中国式英语4，判断：tuber
refu什么意思
si接近1，则说明样本i聚类合理；
between的英语怎么读啊
si接近-1，则说明样本i更应该分类到另外的簇；林语堂生活的艺术>翰林学院国际课程
若si 近似为0，则说明样本i在两个簇的边界上。
所有样本的s i 的均值称为聚类结果的轮廓系数，是该聚类是否合理、有效的度量。
