采用聚类纯度（purity，准确率）进行聚类分析算法评价代码

以下是一个简单的聚类分析算法评价代码，采用聚类纯度（purity，准确率）进行评估：

import numpy as np
from collections import Counter

def purity_score(y_true, y_pred):
    """
    计算聚类纯度，即准确率
    y_true : array-like, shape = [n_samples]
        Ground truth labels
    y_pred : array-like, shape = [n_samples]
        Predicted labels
    """
    contingency_matrix = np.zeros((len(np.unique(y_true)), len(np.unique(y_pred))))
    for i in range(len(y_true)):
        contingency_matrix[y_true[i], y_pred[i]] += 1
    row_ind = np.argmax(contingency_matrix, axis=1)
    col_ind = np.argmax(contingency_matrix, axis=0)
    matches = sum([contingency_matrix[row_ind[i], col_ind[i]] for i in range(len(row_ind))])
    return matches / sum(contingency_matrix.flatten())

# 示例数据
y_true = [0, 0, 0, 1, 1, 1, 2, 2, 2]
y_pred = [0, 0, 1, 1, 1, 2, 2, 2, 2]

# 计算聚类纯度
purity = purity_score(y_true, y_pred)
print("Purity Score: %.3f" % purity)

其中，`purity_score` 函数计算聚类纯度，即准确率，输入参数为真实标签 `y_true` 和预测标签 `y_pred`，输出聚类纯度。代码中使用了 `numpy` 和 `collections` 模块，分别用于创建矩阵和计数。在示例数据中，真实标签为 `[0, 0, 0, 1, 1, 1, 2, 2, 2]`，预测标签为 `[0, 0, 1, 1, 1, 2, 2, 2, 2]`，输出聚类纯度为 `0.778`。