Jac*_*gby 6 linear-equation graph normalize rescale power-law
我想将社交网络图中的一些节点指标组合成单个值,以便对节点进行排序:
in_degree + betweenness_centrality = informal_power_index
问题在于,in_degree并且betweenness_centrality在不同的尺度上进行测量,例如0-15对0-35000,并遵循幂律分布(至少绝对不是正态分布)
有没有一种很好的方法来重新调整变量,以便在确定变量时不会主导另一个变量informal_power_index？
三种明显的方法是:
mean和除以stddev).这似乎会破坏分布太多,隐藏长尾值和高峰值之间的巨大差异.min(variable)和除以,将变量重新调整到[0,1]范围max(variable).这似乎更接近解决问题,因为它不会改变分布的形状,但也许它不会真正解决问题？特别是手段会有所不同.mean(variable).这不会解决尺度上的差异,但平均值可能对比较更重要？还有其他想法吗？
您可以将每个值转换为百分比，然后将每个值应用到已知的数量。然后使用新值的总和。
((1 - (in_degee / 15) * 2000) + ((1 - ( Betweenness_centrality / 35000) * 2000) = ?