我想在scikit-learn中运行一个聚类算法，并在标准管道中使用它(即，我需要写入它。对于这个聚类算法，我想运行kmeansN次(即N不同的初始点)，然后使用我自己的函数来选择最佳运行。目前实现的kmeans版本有一种内置的方式，可以运行N迭代，并根据最小化的集群内方差选择最佳的。本质上，我想复制这个kmeans函数，但使用不同的标准来获得"最佳"拟合。
我正在想办法做到这一点。一个很有前途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/)。该估计器似乎需要实现fit、fit_predict、fit_transform、get_params、predict、score、set_params和transform。在我看来，这个估计器只需在内部运行kmeansN次，然后根据我的标准返回单个最佳质心拟合。
有更简单的方法吗？
您是否考虑过使用继承？
您可以在Python中执行OOP。因此，您只需重写sklearn KMeans类的外循环，并继承其他所有内容。