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。

分析如下：

1. **正确率 (Accuracy)**：
正确率是监督学习中常用的评价指标，特别是分类问题中，用于衡量预测结果与实际结果的匹配程度。然而，聚类是一种无监督学习方法，没有明确的标签来评估“正确”与否，因此正确率不适用于聚类模型的评价。

2. **簇间不相似度**：
簇间不相似度是衡量不同簇之间的差异程度的指标，用于评估聚类结果的质量。理想情况下，不同簇之间的差异应尽可能大，以确保每个簇内部的样本尽可能相似，而簇与簇之间尽可能不同。

3. **ARI (Adjusted Rand Index)**：
调整兰德指数（ARI）是用于评估聚类结果与某个基准分类（如人工标注的分类）之间一致性的指标。尽管聚类是无监督学习，但在一些情况下可以使用已知的标签来评估聚类效果，因此ARI是常用的聚类评价指标之一。

4. **轮廓系数 (Silhouette Coefficient)**：
轮廓系数是用于评估聚类结果质量的指标，衡量每个样本与其所在簇内样本的相似度与其与最近的其他簇的相似度之间的差异。轮廓系数值在-1到1之间，值越高表示聚类效果越好。

因此，正确率（Accuracy）不适用于聚类模型的评价。