수년에 걸쳐 여러 가지 품질의 주파수 목록 (문자, 단어, n-gram 등)을 사용하고 싶었지만이를 함께 사용하는 방법을 찾지 못했습니다. 당시 나는 순위가있는 목록 만 사용하고 다른 데이터는 유용하지 않다는 것을 알았습니다. 그 이후로 나는 Zipf's law과 power laws을 알게되었습니다. 나는 수학에 뛰어나지는 않지만 모든 것을 완전히 이해하지
그래서 차트를 만들면 전력 법칙 분포를 형성해야하는 원시 데이터가 있습니다. 차트를 어떻게 부드럽게 만드는지 잘 모르겠습니다. Excel에서 할 수 있지만 R에서 수행하려고합니다. 2 열이있는 데이터 프레임이 있습니다. 하나는 빈도라고하고 다른 하나는 비율이라고합니다. 빈도는 문서에서 사용되는 단어의 빈도입니다. 비율이 백분율입니다. 그래서 나는 X 축의
제가 학위 분포를 그리기위한 스크립트의 출력이 올바른지 여부를 알고 싶습니다. 그래서 스크립트 (내 모든 정점의 정도와 벡터 X에 저장된 위치)입니다 :이 X x
[1] 7 9 8 5 6 2 8 9 7 5 2 4 6 9 2 6 10 8
입니다 X 특정 네트워크 정점의 정도이다 - 정점처럼 V2 요약 (X) library(igraph)
split.sc
powerlaw 모듈을 사용하여 경험적 데이터에 지수 법칙을 적용 해보고 있습니다. x = range(1,1000)
y = []
for i in x:
y.append(i**(-2))
내가 그러나 결과 지수가 이론적 인 값이 많이 벗어난 2의 지수를하기 위해 장착 전원 법을 기대 해요 : 나는 지수 2의 거듭 제곱 법칙 분포를 다음과 다음과
... 도움말 및 온라인 설명서에 따르면 scipy.stats.pareto.fit 함수는 변수로 b (지수), loc, scale . 결과는 삼중 항 (지수, loc, 스케일)이된다. 동일한 분포로부터의 데이터를 생성하면 데이터를 생성하기 위해 사용되는 파라미터가 적합하게된다. $ python
Python 3.3.0 (default, Dec 12 2012
히스토그램에 힘의 법칙을 맞추려고합니다. (더 정확한 파레토 분포). 나는 내 자신의 기능으로 그것을했는데, 여기서 내가 가장 작은 차이의 제곱을 확인했다. 그러나 이것은 내가 모든 coefitients를 반복적으로 던질 필요가 있음을 의미하며, 약간의 시간이 걸릴 수 있습니다. 또 다른 문제점은 히스토그램 데이터를 갖기 위해 자체 데이터 목록을 만들어야한
에 대한 KS 테스트. Newman은 그들의 논문 "실증적 데이터의 힘 - 법칙 분포"에서 난 내 자신의 비교,하지만 그 중 일부는 지금까지 IS 이야기, 출처 신비화 조금 메신저하는 코드를 발견했습니다 , 가 powerlaw 맞는에 적합한이 xMin를 식별하기 위해, 우리는 각을 가능한 xmin 해당 데이터에 대한 powerlaw를 맞춘 다음 해당 exp