聚类模型是无监督学习，没有正确率评价指标

正确答案是 A: 正确率Accuracy。

专业分析：

1. **正确率（Accuracy）**：
正确率是分类模型中常用的评价指标，用于衡量分类器在测试集上正确分类的样本数占总样本数的比例。由于聚类模型并不涉及明确的标签分类，而是将数据集分成若干簇，因此正确率不适用于聚类模型的评价。

2. **簇间不相似度（Inter-cluster Dissimilarity）**：
这是聚类模型中常用的指标，用于衡量不同簇之间的差异程度。理想情况下，不同簇之间的差异越大，聚类效果越好。

3. **ARI（Adjusted Rand Index）**：
ARI 是一种用于比较聚类结果与真实标签的指标，尽管聚类通常是无监督学习，但在有实际标签的情况下，ARI 可以用来评估聚类结果的质量。

4. **轮廓系数（Silhouette Coefficient）**：
轮廓系数用来评估聚类结果的紧密度和分离度，值在 -1 到 1 之间，值越大表示聚类效果越好。它是衡量聚类质量的常用指标。

综上所述，正确率（Accuracy）不用于聚类模型的评价，而簇间不相似度、ARI 和轮廓系数都是聚类模型常用的评价指标。