Python：如何計算分佈的均方誤差？

Question

我已經用數據擬合GMM數據，我想計算模型的均方誤差，我該怎麼做？

下面的代碼生成數據

import numpy as np 
import matplotlib.pyplot as plt 
from matplotlib.colors import LogNorm 
from sklearn import mixture 
import matplotlib as mpl 

from matplotlib.patches import Ellipse 
%matplotlib inline 

n_samples = 300 

# generate random sample, two components 
np.random.seed(0) 
shifted_gaussian = np.random.randn(n_samples, 2) + np.array([20, 5]) 
sample= shifted_gaussian 

# fit a Gaussian Mixture Model with two components 
clf = mixture.GMM(n_components=2, covariance_type='full') 
clf.fit(sample) 

# Then how can I calculate the Mean square error of the fitted model? 

在我的思想，我可以首先生成kdensity功能，併爲每sample觀察，caluclate的kdensitity(x,y)-clf.score(x,y)。但我不確定這是否正確。

Answer 1

看看這裏的文檔：

http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html

我想你可以嘗試：

covariances = clf.fit(sample).covariances_ MSE = np.diag(covariances)

這會給你的擬合參數的協方差矩陣。然後矩陣的對角線值將給出擬合模型參數的均方差。

或者它可能是工作：

clf.fit(sample).get_params(deep=True)