正确率常用于分类模型

在聚类模型的评价中，通常不使用一些监督学习中常见的指标，例如准确率（Accuracy）。以下是对每个选项的分析：

| 指标 | 用于聚类评价的情况 |
|------------------------------|--------------------------|
| **A: 正确率 (Accuracy)** | **不用于**聚类评价，因为聚类是一种无监督学习方法，通常没有标签进行比较和计算准确率。|
| **B: 簇间不相似度** | 用于聚类评价，用来测量不同簇之间的差异程度。通常希望不同簇之间的不相似度越大越好，以确保簇的分离性。|
| **C: ARI (Adjusted Rand Index)** | 用于聚类评价，尤其是在有真实标签的情况下。它衡量预测簇与真实标签的相似性，调整了随机性。|
| **D: 轮廓系数 (Silhouette Coefficient)** | 用于聚类评价，通过计算簇内点的紧密度和簇间点的分离度，评估聚类的质量。数值越高，聚类效果越好。|

### 结论
在这些选项中，**A: 正确率（Accuracy）**通常不用于聚类模型评价，因为聚类是一种无监督学习方法，没有标签来比较或计算准确率。因此，选择A作为答案。其他选项B、C、D都是适合用于聚类评价的指标。