聚类轮廓系数matlab代码

聚类轮廓系数是一种用于评估聚类效果的指标，其值越接近1表明聚类效果越好。下面是Matlab代码实现聚类轮廓系数的计算：

% 设定聚类数目k和数据集X
k = 3;
X = rand(50,2);

% 进行k-means聚类
[idx, C] = kmeans(X, k);

% 计算聚类轮廓系数
s = silhouette(X,idx);
mean_s = mean(s);

% 可视化聚类结果和轮廓系数
figure;
subplot(1,2,1);
gscatter(X(:,1), X(:,2), idx);
hold on;
scatter(C(:,1), C(:,2), 100, 'k', 'filled');
title(sprintf('k-means clustering with k=%d', k));
subplot(1,2,2);
bar(s);
title(sprintf('Silhouette Coefficients (mean=%f)', mean_s));

在以上代码中，我们首先设定了聚类数目k和数据集X。然后使用Matlab内置的kmeans函数进行聚类，并得到每个数据点的聚类标签idx和聚类中心C。最后，使用内置的silhouette函数计算聚类轮廓系数s，并求出所有点的平均值mean_s。最后，我们将聚类结果和轮廓系数可视化展示出来。