scikit-learn 中 kmeans 的自定义标准
Custom criteria for kmeans in scikit-learn
我想 运行 scikit-learn 中的聚类算法并在标准管道中使用它（即，我需要将其写入。对于这个聚类算法，我想 运行 kmeans N 次（即 N 不同的初始点），然后使用我自己的函数选择最好的 运行。当前实现的 kmeans 版本有一个内置的方式到 运行 和 N 迭代，并根据最小化的簇内方差选择最好的。本质上我想复制这个 kmeans 函数，但是对 "best" 拟合使用不同的标准。
我正在尝试找到执行此操作的最佳方法。一个有前途的方法似乎是编写我自己的估算器（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，这个估计器可以在内部 运行 kmeans N 次，然后 return 符合我的标准的单个最佳质心。
有更简单的方法吗？
您是否考虑过使用继承？
您可以在 Python 中进行 OOP。因此，您只需覆盖 sklearn KMeans class 的外循环，并继承其他所有内容。
我想 运行 scikit-learn 中的聚类算法并在标准管道中使用它（即，我需要将其写入。对于这个聚类算法，我想 运行 kmeans N 次（即 N 不同的初始点），然后使用我自己的函数选择最好的 运行。当前实现的 kmeans 版本有一个内置的方式到 运行 和 N 迭代，并根据最小化的簇内方差选择最好的。本质上我想复制这个 kmeans 函数，但是对 "best" 拟合使用不同的标准。
我正在尝试找到执行此操作的最佳方法。一个有前途的方法似乎是编写我自己的估算器（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，这个估计器可以在内部 运行 kmeans N 次，然后 return 符合我的标准的单个最佳质心。
有更简单的方法吗？
您是否考虑过使用继承？
您可以在 Python 中进行 OOP。因此，您只需覆盖 sklearn KMeans class 的外循环，并继承其他所有内容。