- 轮廓系数(Silhouette)，不需要标记
簇内不相似度:计算样本i到同簇其它样本的平均距离为ai;ai越小，表示样本i越应 该被聚类到该簇，簇C中的所有样本的ai的均值被称为簇C的簇不相似度。
簇间不相似度:计算样本i到其它簇Cj的所有样本的平均距离bij， bi=min{bi1,bi2,...,bik};bi越大，表示样本i越不属于其它簇。
轮廓系数:si值越接近1表示样本i聚类越合理，越接近-1，表示样本i应该分类到 另外的簇中，近似为0，表示样本i应该在边界上;所有样本的si的均值被成为聚类结果的轮廓系数
以下均需要标记
- 均一性
一个簇中只包含一个类别的样本，则满足均一性;其实也可以认为就是正确率(每个 聚簇中正确分类的样本数占该聚簇总样本数的比例和)
- 完整性
同类别样本被归类到相同簇中，则满足完整性;每个聚簇中正确分类的样本数占该类型的总样本数比例的和
- V-measure
均一性和完整性的加权平均
- Rand index(兰德指数)(RI)，RI取值范围为[0,1]，值越大意味着聚类结果与真实情况越吻合。
- 调整互信息(AMI，Adjusted Mutual Information)，类似ARI，内部使用信息熵