Weka Experimenter聚类算法准确率测试：无法找到Percent_correct如何解决

首先要明确：聚类属于无监督学习任务，不存在分类任务里的Percent_correct（正确率）指标，需要用聚类专属的外部评估指标来衡量聚类结果与真实标签的匹配度，比如兰德指数（Rand Index）、调整兰德指数（Adjusted Rand Index）、F-measure等。

在Weka Experimenter的高级模式中，按以下步骤配置即可获取这些替代“准确率”的评估指标：

• 回到实验设置界面，确认Clusterer选项卡中聚类算法配置正确，且勾选了合适的评估模式（比如Evaluate on test set）。
• 切换到Evaluation选项卡，在Additional evaluation measures列表里，搜索并勾选以下聚类相关指标：
  • randIndex（兰德指数）
  • adjustedRandIndex（调整兰德指数）
  • fMeasure（F值）
    这些指标取值越接近1，说明聚类结果与真实标签的匹配度越高，可作为你需要的“准确率”替代指标。
• 重新运行实验后，进入分析界面就能在指标列表中找到这些已选中的评估项。

额外说明：如果你的数据集没有预设真实标签，只能使用内部评估指标（比如轮廓系数Silhouette Coefficient、Davies-Bouldin指数）来衡量聚类的紧凑性与分离度，但这类指标无法直接对应“准确率”，仅能评估聚类自身的质量。

内容的提问来源于stack exchange，提问作者not_castillo