轮廓系数太难算了有没有更简单的算法和程序

如果你觉得轮廓系数太难算，可以尝试使用其他聚类算法的评估指标，比如SSE（Sum of Squared Errors）、CH指数、DBI（Davies-Bouldin Index）等等。这些指标都有其优劣，具体选择哪个取决于你的数据集、聚类算法等因素。

以下是一个示例聚类算法评估程序，使用SSE指标：

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# 生成随机数据
X, y = make_blobs(n_samples=1000, centers=4, n_features=2, random_state=1)

# 使用KMeans聚类算法
kmeans = KMeans(n_clusters=4)

# 对数据进行聚类
kmeans.fit(X)

# 输出SSE指标
print("SSE: ", kmeans.inertia_)

这段代码中，我们使用了scikit-learn库中的KMeans算法对随机数据进行聚类，并输出了SSE指标。你可以使用类似的方法，根据自己的需要选择适合的聚类算法和评估指标。