1
Amy 原创整理｜资料核验：2026-11-04
scikit-learn的calinski_harabasz_score又称方差比准则，输入特征X与预测簇标签。它比较簇间离散程度和簇内离散程度，并按样本数、簇数作调整；通常分数越高，簇越紧凑且分离。
官方用户指南特别指出，它一般更偏好凸形簇，而非DBSCAN等方法可能识别出的密度簇。因此，两条弯曲带状样本各成一簇，即使符合任务含义，也不能只因这个分数较低就宣布结果无效。这里的带状样本是Amy提出的教学情境，不是运行实验的结果。
Amy建议：同一数据上比较方案时，把评分、簇数和样本分布图一起看；若业务关注的是连续弯曲形状或局部密度，先解释指标为何可能不适配。不要拿一个数字替代对“什么算一簇”的定义。
指标假设与公式来源：https://scikit-learn.org/stable/modules/clustering.html#calinski-harabasz-index
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.calinski_harabasz_score.html