Calinski-Harabasz分数评估聚类结果的类内紧凑性与类间分离度比值，仅依赖样本坐标X和整数标签labels，要求二者长度一致、labels无空簇且X为浮点型无异常值。
Calinski-Harabasz分数到底在评什么
它只看聚类结果本身的几何结构：类内越紧凑、类间越分离，分数越高。不需要真实标签（y_true），纯靠样本点坐标和聚类分配（labels）就能算。本质是类间离散度与类内离散度的比值，所以它对球形簇、尺度均匀的数据更友好。
用sklearn.metrics.calinski_harabasz_score必须传什么
两个参数缺一不可：X（原始特征矩阵，n_samples × n_features）和labels（整数数组，长度等于X.shape[0]，每个值代表对应样本的簇ID）。注意：labels不能是字符串或None，也不能有空簇（即所有整数ID必须实际出现过）。
常见错误现象：
-
ValueError: labels must be 1D array—— 传了二维labels（比如model.labels_.reshape(-1, 1)） -
ValueError: Number of labels is not equal to number of samples——labels长度和X行数不一致 -
ValueError: Found array with 0 sample(s)—— 某个簇完全没分到点（labels里缺某个整数ID，或全为-1的噪声点未过滤）
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
np.unique(labels)确认簇ID连续且无gap；如有-1（DBSCAN噪声），先剔除对应样本和label再计算 - 确保
X是float类型，含nan或inf会直接报错 - 别把标准化后的
X和原始X混用——CH分数对量纲敏感，务必保证输入X已按业务需求做过统一缩放
CH分数高就一定聚得好吗
不一定。它隐含假设簇是凸的、各向同性的，且对异常值敏感。当数据存在长条形簇、环状结构或大量离群点时，CH可能给出误导性高分。
使用场景建议：
- 对比同一数据集上不同k值的KMeans结果（选CH峰值）
- 验证预处理是否改善了簇分离度（比如PCA降维后CH是否上升）
- 慎用于DBSCAN或谱聚类结果——尤其当簇形状复杂时，建议搭配
silhouette_score或可视化看
性能影响：计算复杂度O(n²)，样本超1万时明显变慢；可考虑用mini-batch或抽样评估趋势。
一个最小可运行检查示例
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
<p>X, _ = make_blobs(n_samples=300, centers=4, cluster_std=0.6, random_state=0)
kmeans = KMeans(n_clusters=4, random_state=0).fit(X)
score = calinski_harabasz<em>score(X, kmeans.labels</em>)
print(f"CH Score: {score:.3f}") # 输出类似 561.23注意这里_是占位符，表示我们故意忽略真实标签——CH根本不读它。真正容易被忽略的是：如果后续换了距离度量（比如用余弦相似度重聚），就不能直接喂给calinski_harabasz_score，因为它默认用欧氏距离算质心和离散度。
