无监督学习结果评价

聚类总能输出一些编号，但没有标签就不能通过直接算“分类准确率”判断分组是否正确。紧密分离、跨随机种子稳定、专家可解释和能改善下游决策，是不同证据，必须分别检查。

内部指标只看数据几何与分组，如轮廓、簇内平方和；外部指标将分组与参考划分比较，如 ARI。稳定性检查关注扰动后是否仍形成相近结构，任务验证则评价实际用途。任何单项都不能单独证明发现了真实自然类别。

把图书按封面颜色分组可能非常稳定、边界清晰，却不一定帮助读者找主题。评价分组需要先说明想保留哪种相似性，以及结果将服务什么决策。

簇标签是任意编号，交换 0 与 1 不改变划分，因此不能直接逐元素比较编号计算准确率。ARI 等基于成对关系或信息的指标能避免编号置换问题，但仍依赖参考标签是否适合当前目的。

轮廓等内部指标偏好特定距离结构，且有有效簇数条件。对 DBSCAN，是否排除噪声应明确，并同时报告保留比例；删掉困难样本后提高分数，不等于整体覆盖更好。

可改变种子、参数或做重采样检查共同样本的分组关系。若用参考标签反复选择算法或 K，这些标签就参与了选择，不能再冒称完全未使用的最终测试；需要新的独立评估与业务证据。

1. 先定义分组用途、特征距离与希望验证的主张。
2. 计算适用内部指标，同时报告簇数、大小和噪声比例。
3. 改变初始化、参数或样本，比较重叠样本的划分稳定性。
4. 有参考标签时使用编号不变的外部指标，并记录其是否参与调参。
5. 检查代表样本、下游效果和独立数据复现。

• 对候选聚类形成几何、稳定性与任务用途的多维证据。
• 识别由尺度、离群点或参数选择制造的脆弱分组。

• 直接比较簇编号算准确率，惩罚等价编号交换。
• 只保留容易样本后报告内部指标，不披露覆盖。
• 参考标签已用于选择参数，却仍当成独立外部测试。