这是一种在存在类标签的情况下评估两个聚类的方法，因此不适用于类标签不可用的实际聚类问题。

假设您有类别标签，并且您想要评估一个聚类或（比较两个聚类）。最自然的想法是使用纯度分数。它只是检查带有集群的标签，当然，最好的情况是每个集群只包含一个类标签。这个分数虽然看起来很自然，但也有一个缺点。如果您认为每个集群只有一个数据点，那么纯度就最大化了！所以在计算纯度分数时应该注意聚类的数量。

下一个想法是计算互信息。Mutual Information 考虑了两个拆分：（1）根据集群拆分和（2）根据类标签拆分。然后它告诉你这两个分裂是如何相互一致的（他们分享了多少关于彼此的信息，或者如果你知道另一个，你怎么知道其中一个）。与纯度一样，当簇的数量很大时，MI 也会变大。

然后是 NMI，它针对上述现象进行了偏差校正，并将分数归一化在和之间（MI 没有上限）。$0$$1$

注意：我认为您的问题已在第一行得到回答。如果您想评估聚类，您不是在寻找需要标签的外部度量。为了回答的完整性，我只是解释了一下。