S_Dbw validation公式解析

        S_Dbw validation在众多论文中被认为是最好的对无监督学习（聚类）的验证，这个验证方法中包括一些比较晦涩的数学公式，现在以下做一下介绍：

       1.stdev （average standard deviation of clusters）: 表示一个数据集各个cluster的平均偏离

       公式为：

      2.density（u）:用来表征u周围点的数目，比较的阈值为1中的stdev。

      公式为：，

       3.Dens_bw(c)：inter cluster varivance，它用来评估两个cluster一起的密度，和每个单独的cluster的密度的关系。两个cluster一起的密度，显著小于每个单独的cluster的密度，表示聚类效果越好。

       公式为：

       4.Scater(c): Intra cluster variance：cluster间的平均分散度。

        公式为：

        5.S_Dbw (c) = Scat(c) + Dens_bw(c)

        其中Scat(c)表征compactness，Dens_bw(c)表征separation

        6.python实现 ： https://github.com/zhangsj1007/Machine-Learning/blob/master/S_Dbw.py

       备注：

       1. 表示的方差，而不是标准差.

       2. 表示求L2范数（即欧式距离）.