ba无标度网络python_无标度网络-幂律分布
参考链接https://ask.csdn.net/questions/365756
今天一直在找关于幂律分布的验证相关资料,很多都是只言片语,这个图首先解释了幂律分布的定义
2.然后,https://www.douban.com/group/topic/69712255/ 真正实践去验证的时候,先在python环境下安装powerlaw包,然后这个链接内容告诉我们具体怎么应用这个包,对每行代码的解释真心很详细!powerlaw.Fit拟合幂律分布
# -*- coding: utf-8 -*-
import numpy as np
from matplotlib.pylab import plt
import powerlaw
#打开数据包------------------------------------------------------------
data=np.loadtxt('C:/Users/peterduus/degree.txt')
#用numpy的loadtxt()方法把文本数据读入二维数组---------------------------
fit=powerlaw.Fit(data,discrete=True)
print 'xmin\t=',fit.xmin
print 'alpha\t=',fit.power_law.alpha
print 'sigma\t=',fit.power_law.sigma
print 'D\t=',fit.power_law.D
#拟合幂律,放到名为fit的对象中。网络度是离散的,所以要用discrete=True。
#是不是离散型数据,可以用fit.power_law.discrete来查看。
#计算fit的最小界值。
#计算fit的alpha值。根据所遵循公式,alpha是幂指数,即P(x)是x的-alpha次方。
也就是我们想要的参数值了,参考文献中讲到是通过最大似然估计得到的。一般幂律分布的该参数范围在2-3是很典型的值。
#sigma是alpha的标准差。
#注意看幂律区间如果占据总区间很小部分,那这种拟合是没有意义的。
R1,p1=fit.distribution_compare('power_law','exponential')
R2,p2=fit.distribution_compare('power_law','lognormal')
R3,p3=fit.distribution_compare('power_law', 'stretched_exponential')
R4,p4=fit.distribution_compare('power_law', 'truncated_power_law')
R12,p12=fit2.distribution_compare('power_law','exponential')
R22,p22=fit2.distribution_compare('power_law','lognormal')
R32,p32=fit2.distribution_compare('power_law', 'stretched_exponential')
R42,p42=fit2.distribution_compare('power_law', 'truncated_power_law')
R52,p52=fit2.distribution_compare('exponential', 'truncated_power_law')
print 'power_law\tvs.\t','exponential\t',R1,p1
print 'power_law\tvs.\t','lognormal\t',R2,p2
print 'power_law\tvs.\t', 'stretched_exponential\t',R3,p3
print 'power_law\tvs.\t', 'truncated_power_law\t',R4,p4
print '\n'
print 'power_law\tvs.\t','exponential\t',R12,p12
print 'power_law\tvs.\t', 'truncated_power_law\t',R42,p42
print 'exponential\tvs.\t', 'truncated_power_law\t',R52,p52
#R是似然比,正值表示前者比后者更契合数据,
#p是两模型的差异是否具有显著性,即用R所做的比较结果是否有统计学意义
3.文章中还用到ks检验,暂时还没明白如何用代码进行检验,有待补充!
ba无标度网络python_无标度网络-幂律分布相关推荐
- 无标度网络/幂律分布、小世界网络
无标度网络.幂律分布这两个概念都是指复杂网络中的度 分布不均匀 通俗点说就是80/20原则,枢纽节点很少,但是却连接着大量的节点,而大量的非枢纽节点却只有不多的几个连接. 小世界网络: 虽然有50个节 ...
- 第10章* 网络 幂律分布
幂律是说节点具有的连线数和这样的节点数目乘积是一个定值,也就是几何平均(对各变量值的连乘积开项数次方根)是定值. 例:有10000个连线的大节点有10个,有1000个连线的中节点有100个,100个连 ...
- 深度信念网络python_深度信念网络python
<深度学习导论及案例分析>一导读 PREFACE 前言 "深度学习"一词大家已经不陌生了,随着在不同领域取得了超越其他方法的成功,深度学习在学术界和工业界掀起了一次神经 ...
- 网络模型 - 随机网络,无标度网络,分层网络
转自: http://www.flickr.com/photos/caseorganic/4510691991/in/set-72157624621620243 小图 大图 Network Model ...
- 随机网络与无标度网络
原文地址:http://blog.lmtw.com/b/peon/archives/2009/66662.html 传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同 ...
- 对于复杂网络解决现实的网络问题
关于复杂网络的应用与发展 电子科技大学 格拉斯哥学院 2017级 谢镇汕 内容摘要 目前,复杂网络研究的内容主要包括:网络的几何性质,网络的形成机制,网络演化的统计规律,网络上的模型性质,以及网络的结 ...
- 读《人脑连接组研究:脑结构网络和脑功能网络》
人脑连接组研究:脑结构网络和脑功能网络 doi: 10.1360/972009-2150 文章结构 题目 人脑连接组研究:脑结构网络和脑功能网络 摘要 引言 1 复杂网络中的一些基本概念 1.1 网络 ...
- 复杂网络中的幂律分布函数
幂律分布也称为无标度分布,具有幂律分布的网络也称为无标度网络,这是由于幂律分布函数具有如下无标度性质.幂律分布函数的无标度性质,考虑一个概率分布函数f(x),如果对任意给定常数a,存在常数b使得函数f ...
- 复杂网络之无标度网络与小世界网络生成程序
近日需要用到无标度网络与小世界网络,早上用matlab写了这两种网络的matlab程序,放在这,有用者可以拿去用,请自己验证正确性后使用. 共有三个文件,swnet.m 是sw小世界模型 ...
- java相关网络协议无响应_java网络协议有哪些
上网的途径有很多,java是最普遍的,那么卑java网络协议有哪些?了解网络安全常识,首先就要了解计算机网络安全有哪些基本注意事项,下面佰佰安全网小编就带您认识一下吧. 概念 协议是指计算机通信网络中 ...
最新文章
- 漫谈概率 PCA 和变分自编码器
- 01-复杂度1 最大子列和问题 (20 分)
- php抓取页面生成html,PHP smiple html dom抓取页面内容
- “人·机”互补路径下技能人才的培养
- linux自动重新启动,linux 系统自动重新启动,请帮忙看看
- Python Flask 中的路由
- 加密货币挖矿太火造成显卡短缺,AMD、英伟达能躺着赚钱嘛?
- MySQL删除主从表数据
- JavaWeb:生成简单随机图片验证码返回给客户端
- JDE学习report和from总结
- ueditor常见用法
- java语言程序设计郎波_Java语言程序设计(第3版) 郎波 清华大学出版社
- 用计算机用两个珠子能拨出那些数字,人教版一年级数学上册第三单元教案
- 前端视频插件Video.js的基本使用
- whl的文件怎么用python打开_windows - 如何使用.whl文件安装Python包?
- 大厂字节程序员薪资曝光:排行世界第五厉害了
- fakeapp教程及下载
- Java中的注解(Annotation)处理器解析
- 方顿教育:让消费者满意的短视频电商服务平台
- 【算法题解】Codeforces Round #817 (Div. 4)题解