计算上述代码的轮廓系数

要计算K-means聚类的轮廓系数，你可以使用`sklearn`库中的`silhouette_score`函数。下面是计算轮廓系数的示例代码：

import numpy as np
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# 准备学生成绩数据集
# 假设有5个学生，每个学生有3个特征：数学成绩、语文成绩、英语成绩
X = np.array([[85, 70, 90],
              [75, 80, 70],
              [95, 85, 95],
              [65, 70, 80],
              [70, 75, 85]])

# 创建K-means模型并进行聚类
kmeans = KMeans(n_clusters=2)  # 设置簇的数量为2
kmeans.fit(X)

# 计算轮廓系数
silhouette_avg = silhouette_score(X, kmeans.labels_)
print("聚类的轮廓系数为：", silhouette_avg)

在这个示例中，我们首先准备了学生成绩的数据集 `X`，并创建了一个`KMeans`对象进行聚类。

然后，我们使用`silhouette_score`函数来计算轮廓系数。该函数需要传入原始数据集 `X` 和聚类结果的标签 `kmeans.labels_`，它会返回整个数据集的平均轮廓系数。

最后，我们将计算得到的轮廓系数输出到控制台。

需要注意的是，轮廓系数的取值范围是[-1, 1]，其中1表示聚类结果非常好，-1表示聚类结果非常差。

希望这个示例对你有帮助！如果还有其他问题，请随时提问。