我想在scikit-learn中运行一个聚类算法，并将其用于标准管道（即，我需要编写代码）。对于这个聚类算法，我希望运行kmeans N 次（即，使用 N 个不同的初始点），然后使用我自己的函数来选择最佳运行。当前实现的kmeans版本有一个内置的方式，可以运行 N 次迭代，并根据最小化簇内方差来选择最佳结果。本质上，我想复制这个kmeans函数，但使用不同的标准来判断“最佳”拟合度。

我正在尝试找出实现这一点的最佳方法。一个有前景的方法似乎是编写我自己的估计器（例如，使用 https://github.com/scikit-learn-contrib/project-template/ 上的工具）。似乎这个估计器需要实现 fit、fit_predict、fit_transform、get_params、predict、score、set_params 和 transform。在我看来，这个估计器可以内部运行kmeans N 次，然后根据我的标准返回单个最佳的中心点拟合。

有没有更简单的方法来实现这个目标？

回答：

你有考虑过使用继承吗？

你可以在Python中进行面向对象编程。因此，你只需重写sklearn KMeans类的外部循环，并继承其他所有内容。