我想使用
例如,Barabasi 建议将幂律拟合到度的 '补充累积分布' (请参见第4章的高级主题3.B,图4.22)。但是,我看到有人将幂律拟合到图的度数(使用
如下可重现的示例所示,这些选项会产生非常不同的结果。哪一个是正确的?我如何从图形中获取“度的补充累积分布”,以便我可以拟合幂律?
R
测试网络的度分布是否像具有无标度特性的幂律。然而,我阅读了不同人以许多不同方式进行此操作,其中一个令人困惑的问题是模型中应该使用哪个输入。例如,Barabasi 建议将幂律拟合到度的 '补充累积分布' (请参见第4章的高级主题3.B,图4.22)。但是,我看到有人将幂律拟合到图的度数(使用
igraph::degree(g)
),我还看到其他人通过igraph::degree_distribution(g, cumulative = T)
获得度分布并将其拟合为幂律。如下可重现的示例所示,这些选项会产生非常不同的结果。哪一个是正确的?我如何从图形中获取“度的补充累积分布”,以便我可以拟合幂律?
library(igraph)
# create a graph
set.seed(202)
g <- static.power.law.game(500, 1000, exponent.out= 2.2, exponent.in = 2.2, loops = FALSE, multiple = T)
# get input to fit power-law.
# 1) degrees of the nodes
d <- degree(g, v = V(g), mode ="all")
d <- d[ d > 0] # remove nodes with no connection
# OR ?
# 2) cumulative degree distribution
d <- degree_distribution(g, mode ="all", cumulative = T)
# Fit power law
fit <- fit_power_law(d, impelementation = "R.mle")