相关疑难解决方法(0)

我正在使用 Jeff Alstott 的 Python powerlaw 包来尝试使我的数据符合幂律。Jeff 的软件包基于 Clauset 等人讨论幂律的论文。

首先，我的数据的一些详细信息：

1. 它是离散的（字数数据）；
2. 它严重向左倾斜（高偏度）
3. 峰态（超峰度大于 10）

到目前为止我做了什么

df_data 是我的数据框，其中 word_count 是一个包含大约 1000 个单词标记的单词计数数据的系列。

首先我生成了一个合适的对象：

fit = powerlaw.Fit(data=df_data.word_count, discrete=True)

接下来，我使用 fit.distribution_compare(distribution_one, distribution_two) 方法将数据的幂律分布与其他分布进行比较 - 即对数正态、指数、对数正态、拉伸指数和截断幂律。

作为 distribution_compare 方法的结果，我为每个比较获得了以下 (r,p) 元组：

• fit.distribution_compare('power_law', '对数正态') = (0.35617607052907196, 0.5346696007)
• fit.distribution_compare('power_law', '指数') = (397.3832646921206, 5.3999952097178692e-06)
• fit.distribution_compare('power_law', 'lognormal_positive') = (27.82736434863289, 4.2257378698322223e-07)
• fit.distribution_compare('power_law', 'stretched_exponential') = (1.37624682020371, 0.2974292837452046)
• fit.distribution_compare('power_law', 'truncated_power_law') =(-0.0038373682383605, 0.83159372694621)

来自幂律文档：

R：浮动

两组似然值的对数似然比。如果为正，则第一组可能性更有可能（因此产生它们的概率分布更适合数据）。如果为负，则相反。

p：浮点数

R 符号的显着性。如果低于临界值（通常为 …