Python：如何计算分布的均方误差？答案

【问题标题】：Python: How to calculate the mean square error of a distribution?Python：如何计算分布的均方误差？
【发布时间】：2015-09-06 08:59:18
【问题描述】：

我已经用 GMM 和数据拟合了数据，我想计算模型的均方误差，我该怎么做？

这是生成数据的代码

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?

在我的想法中，我可以先生成kdensity 函数，然后对于sample 中的每个观察值，计算kdensitity(x,y)-clf.score(x,y)。但我不确定这是否是正确的方法。

【问题讨论】：

标签： python scipy

【解决方案1】：

在此处查看文档：

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

我觉得你可以试试：

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

这将为您提供拟合参数的协方差矩阵。然后矩阵的对角线值将为您提供拟合模型参数的均方误差。

或者它可能是工作：

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

【讨论】：