以下是一个解决标记聚类不起作用的示例代码：

import numpy as np
from sklearn.cluster import KMeans

# 创建一个示例数据集
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 创建一个标记数组
labels = np.array([0, 0, 0, 1, 1, 1])

# 创建一个 KMeans 聚类模型
kmeans = KMeans(n_clusters=2)

# 将标记数组传递给模型进行训练
kmeans.fit(X, labels)

# 打印聚类的标签
print(kmeans.labels_)

在这个示例中，我们创建了一个包含两个特征的数据集 X，以及一个与数据集对应的标记数组 labels。然后，我们使用 KMeans 类创建了一个 KMeans 聚类模型，并将标记数组传递给模型进行训练。最后，我们打印出聚类的标签。

如果标记聚类不起作用，可能有以下几个原因：

1. 数据集中的特征不太适合聚类。可以尝试使用其他特征或进行特征工程来改进聚类效果。
2. 数据集的标记数组不正确。请确保标记数组与数据集的样本一一对应，并且标记正确。
3. 聚类模型的参数设置不正确。可以尝试调整聚类模型的参数，如簇的数量、初始化方法等，以获得更好的聚类结果。

根据具体情况，可能需要进一步调整和改进代码以解决标记聚类不起作用的问题。