互信息指标（尤其是adjusted_mutual_info_score）比纯度更可靠，因其不惩罚过度细分、抵抗簇数膨胀、对类别不平衡更鲁棒；纯度仅统计各簇多数类样本数，易在过细划分或极端不平衡时虚高，而AMI基于熵计算并减去随机期望值，下界为0、对少数类敏感、衡量整体统计依赖。

互信息指标（尤其是 adjusted_mutual_info_score）比纯度（purity）更可靠，根本原因在于：纯度不惩罚“过度细分”，而互信息类指标天然抵抗簇数量膨胀，且对类别不平衡更鲁棒。

纯度为什么容易高估聚类质量？

纯度只统计每个簇里“占多数”的真实类别的样本数，再求和归一化。它完全忽略以下事实：

• 把一个真实类别强行拆成 10 个簇，只要每个簇里仍以该类为主，纯度就几乎不变甚至升高
• 把所有样本各自分到独立簇，纯度直接变成 1.0 —— 这显然不是好聚类
• 当真实标签严重不平衡（比如 95% 是 A 类），纯度会严重偏向 A 类的覆盖率，掩盖对 B/C 类的误判

adjusted_mutual_info_score 怎么解决这个问题？

AMI 不是简单计数，而是基于联合分布与边缘分布的信息熵计算，并减去随机分配下的期望值。这意味着：

• 它有理论下界：完全随机聚类时 adjusted_mutual_info_score ≈ 0，不会因簇多而虚高
• 它对少数类敏感：哪怕只错分了几个 B 类样本，也会在互信息中体现为联合概率下降，拉低得分
• 它不依赖“多数投票”逻辑，而是衡量整个标签系统的统计依赖强度

示例对比：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

from sklearn.metrics import purity_score, adjusted_mutual_info_score
true = [0]*90 + [1]*10
pred_bad = list(range(100))  # 每个点一个簇 → 纯度=1.0，AMI≈0.0
pred_good = [0]*85 + [1]*15   # 少量错分 → 纯度=0.85，AMI≈0.32

什么时候必须用 AMI 而不是纯度？

当你需要满足以下任一条件时：

• 比较不同 n_clusters 的模型（比如 K-Means 选 K）
• 数据存在明显类别不平衡（如异常检测、长尾用户分群）
• 结果要用于论文或跨团队复现（AMI 是 scikit-learn 官方推荐的外部指标之一）
• 你担心业务方质疑“这个 0.92 的纯度是不是靠拆簇刷出来的？”

AMI 的代价是计算稍慢、解释性略弱于纯度——但它换来的，是真正可比、抗干扰、贴合信息论直觉的评估结论。这点开销，在模型选型阶段非常值得。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！