我建议使用Kullback-Leibler 散度(KLD) 来比较这些类。程序如下：

1-找到每个数据集的每个类的平均向量和协方差矩阵。

2-计算第一个数据集的每个类与第二个数据集的所有类之间的KLD。因此，例如，如果您有两个数据集，每个数据集有 5 个类，您应该计算 KLD，25 次。

3- 对于第一个数据集的每个类，从第二个数据集中找到它们之间 KLD 最低的类。这样做，你会发现两个数据集最相似的类。

请注意，KLD 测量两个概率分布之间的相似性，并且通过计算每个类的平均向量和协方差矩阵，您正在拟合正态分布。要找到两个多元正态分布之间的 KLD 计算公式，请参阅此处：

https://en.m.wikipedia.org/wiki/Kullback%E2%80%93Leibler_divergence

可以使用通常的集群评估措施，这将最容易传达给审阅者和集群专家。

您只需将完整标签限制为仅数据的一部分，然后在两个结果上比较已建立的度量，例如调整后的兰德指数 (ARI) 或标准化互信息 (NMI)（这些度量是对称的，因此哪个无关紧要标签来自完整数据聚类，哪些来自子集聚类。