轮廓系数确定kmeans的K值
方法：
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 =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：
4，判断：
si接近1，则说明样本i聚类合理；
si接近-1，则说明样本i更应该分类到另外的簇；
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。
做出学习曲线：