问题标签 [power-law]

我已经实现了将数据拟合到幂律分布的方法，该方法在论文“Clauset 等人的经验数据中的幂律分布”中进行了解释

然后你有我的代码，它运行良好，并使用实现的示例数据“moby”作为输入。输入数据格式必须是数字列表。所有这些代码都基于 powRlaw 包，该包有大量文档

因此，当 ia 说输入数据是像 [1,1,1,2,2,1,1,2,1,1,5,4,1,6,8.. .]

但在我的情况下，我将输入数据作为数据直方图中的两个向量。该直方图遵循幂律，我想使用先前的方法来检查该假设。从直方图中采样数据并使用前面的代码不是一种选择，因为我的向量很大。

如何像前面的代码一样使用拟合幂律分布，但使用直方图作为输入？

我的输入数据示例，其中第一列是值，第二列是频率：

我想用几个已知的分布来拟合 mydata，power law with exponential cutoff分布是候选之一。

fitdistr包fitdistrplus中的函数是使用 MLE、MME 或 QME 进行参数估计的好方法之一。

但power law with exponential cutoff不是根据CRAN Task View: Probability Distributions的基本概率函数，所以我尝试了这个nls函数。

的pdfpower law with exponential cutoff是 f(x;α,λ)=C*x^(−α)*exp(−λ*x)

首先，我生成一些随机值来替换我的真实数据：

然后，我使用nls函数进行参数估计：

nls(y~c*x^(-a)*exp(-b*x),start=list(a=1,b=1,c=1))

但它不起作用并且总是抛出以下两个错误之一：

Error in numericDeriv(form[[3L]], names(ind), env) : Missing value or an infinity produced when evaluating the model

或者：singular gradient matrix at initial parameter estimates

发帖之前，我已经阅读了几乎所有以前的帖子和google，错误有几个原因：

1. 的起始值错误nls。我尝试了很多，但它不起作用。
2. Inf可能会生成一些负值或小于 1 的值或等于的值。我尝试进行数据清理，但它也不起作用。

我现在该怎么办？还是有其他更好的方法来进行参数估计power law with exponential cutoff？我需要你的帮助，谢谢！

我有一个数据样本，样本量约为 500,000。我目前正在尝试使用幂律分布拟合样本poweRlawR 中的包来拟合具有幂律分布的样本。

所以这是我的代码：

但是，当我尝试运行代码时出现问题x<-estimate_xmin(pl_rg,xmax = 100). 我发现这段代码非常非常耗时。到目前为止，我已经运行了这段代码长达 5 个小时，它仍在运行。

那么有什么方法可以加速这个过程或其他符合幂律的方法吗？

我想使用scipy minimize形式的函数进行最大似然估计

假设误差在预测周围呈正态分布。目前，真正的参数根本无法恢复（见下文）。

负对数似然函数：

这是我目前使用的代码，但正如您所看到的，收敛后的参数与真实参数相差甚远。

生成虚假数据

拟合模型

我正在为 4500 万行向量拟合幂律，为此我使用 R 中的 powRlaw 包：https ://arxiv.org/pdf/1407.3492.pdf

该过程中计算量最大的部分是估计下限，这是通过estimate_xmin()函数完成的。这需要很多时间。

代码是这样的（w是向量，c_pl来自“连续幂律”）：

我想知道如何以estimate_xmin()最小化处理时间（可能是并行计算？）的方式使用该函数，我正在使用具有 16 个内核和 64GB RAM 的 AWS 实例。谢谢。

我在数据上拟合幂律曲线时遇到了问题。我有两个数据集： bins1 和 bins2

bins1 通过使用 numpy.linalg.lstsq 在曲线拟合中表现良好（然后我用它np.exp(coefs[0])*x**coefs[1]来获得幂律方程）

另一方面，bins2 表现得很奇怪并且显示了一个糟糕的 R 平方

这两个数据的方程与 excel 显示的不同（更差的 R 平方）。

这是代码（和数据）：

bins1[[x],[y]]python: y = 0.337*(x)^1.223 (R^2 = 0.7773), excel: y = 0.289*(x)^1.174 (R^2 = 0.8548)

的拟合公式： bins2[[x],[y]] 的拟合公式：python: y = 0.509*(x)^1.332 (R^2 = -1.753), excel: y = 0.311*(x)^1.174 (R^2 = 0.9116)

这是 30 个样本数据集中的两个样本数据集，我在我的数据中随机看到了这个拟合问题，有些的 R 平方在“-150”左右！！
Itried scipy "curve_fit" 但我没有得到更好的结果，实际上更糟！

任何人都知道如何在 python 中获得类似 excel 的适合度？

我试图找到一条拟合我的数据的曲线，该曲线在视觉上似乎具有幂律分布。

我希望使用 scipy.optimize.curve_fit，但无论我尝试什么函数或数据规范化，我都会得到一个 RuntimeError（未找到参数或溢出）或一条曲线甚至不适合我的数据。请帮我弄清楚我在这里做错了什么。

输出

我目前正在尝试使用 powerlaw 包中的 powerlaw.Fit() 函数拟合一组（正）数据。但是，每次执行此操作时，我都会收到以下消息：

多年来我一直试图弄清楚这意味着什么，但显然没有成功。我一直面临的另一个问题是，每当我使用

和我的PDF使用

使用我的数据，我只获得了 CCDF 的图，但没有获得 PDF 的图。为什么会发生所有这些事情？我的数据在 NumPy 数组中，如下所示：

我怀疑我的数据是否存在任何问题，因为正如我所说，我得到的 CCDF 的情节非常好。任何形式的帮助将不胜感激。提前致谢。（编辑：数据由 1908 个非整数值组成）

我是 MATLAB 新手，我正在尝试通过数据集拟合幂律。我一直在尝试使用 isqcurvefit 函数，但我不确定如何继续，因为通过 Google 找到的说明对于初学者来说太复杂了。我想从方程 y = a(x^b)+c 导出值 b 和 c，任何建议都将不胜感激。谢谢。

嗨，我正在尝试使用 MatLab 的拟合函数将幂模型拟合到我的数据中

但是，当我运行它时，我得到了错误

查看我的数据并检查是否有小于 1 的数据时，没有显示任何内容

M 是一个包含两列的 csv 文件。我还重新运行了代码

并没有显示任何内容。手动检查，似乎也没有低于 1。

i 只是正在解析的文件中的行。该文件看起来像

M(i,1) 将导致返回 >300 个数字之一，并且 M(i,2) 将返回 ~10 值任何帮助将不胜感激！

谢谢