轮廓系数（Silhouette Coefficient）是用于评估聚类效果的一种指标。
对于单个样本，设 $a(i)$ 是样本 $i$ 到同一簇内其他样本的平均距离（也称为簇内不相似度），$b(i)$ 是样本 $i$ 到其他簇的所有样本的平均距离的最小值（称为簇间不相似度）。
样本 $i$ 的轮廓系数 $s(i)$ 的计算公式为：
轮廓系数的值介于 [-1, 1] 之间：
- 接近 1 ：说明样本的聚类合理，簇内样本距离较近，簇间样本距离较远。
- 接近 0 ：说明样本在两个簇的边界上。
- 接近 - 1：说明样本被错误分类。
对于整个数据集的轮廓系数，是所有样本轮廓系数的平均值，通过计算数据集的轮廓系数，可以综合评估聚类算法在该数据集上的聚类效果。