问题描述
如果我们有一些数据点：
例如，我们使用k均值进行细分；生成的段是否不是每个点都最接近其各自簇的质心？如果是这样，当轮廓分数比较ai（到集群内点的平均距离）与bi（到集群外点的平均距离）进行比较时，怎么可能出现分数为负数，或者bi小于ai的情况呢？ ？
我可以看到，对于不同的分类算法，一些更复杂的分类可能会有所不同，或者某些点分配不正确。但是，这对于k均值是如何发生的？
解决方法
点 i 到集群中点的平均距离不与它到该集群质心的距离相同。在计算 a(i) 和 b(i) 时，Silhouette score 使用前者，而 k-means 在聚类分配时使用后者，因此可能存在分歧。
例如，在下图中：假设蓝点已分配给一个集群，而绿点已分配给另一个集群。红点将分配给哪个集群？蓝色星团的质心在 (0,1) 处，绿色星团的质心在 (0,-1.15) 处，因此红色点将分配给蓝色星团。但是，它到绿点的平均距离是 1.15，而到蓝点的平均距离是 1.414，所以它会得到一个负的轮廓分数。
