Python: 如何计算分布的均方误差？

Question

我已经用数据拟合了GMM，我想计算模型的均方误差，该怎么做？

以下是生成数据的代码

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?

在我的思考中，我可以先生成kdensity函数，对于sample中的每个观测值，计算kdensitity(x,y)-clf.score(x,y)。但我不确定这是否是正确的方法。

- cqcn1991

Answer 1

请查看此处的文档：

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

我认为你可以尝试：

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

这将给出拟合参数的协方差矩阵。然后，矩阵的对角线值将给出拟合模型参数的均方误差。

或者也可以尝试：

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

- MarcoGAstro