Confronto di modelli e residui

di Giux GX-TXT, python-it, scripts-it 3 min di lettura

Corso Python scientifico in GX-TXT · Modulo 8 · Lezione 47

Un modello più complesso non è automaticamente migliore. Confrontiamo un polinomio di primo grado e uno di secondo grado sugli stessi quattro punti sintetici, osservando residui e gradi di libertà.

Obiettivi

  • Adattare due modelli annidati agli stessi dati.
  • Leggere coefficienti, residui e somma dei quadrati.
  • Tenere conto del numero di parametri e dei gradi di libertà.
  • Distinguere adattamento numerico e plausibilità fisica.

Esecuzione

Il Dataset corso_python_serie_sintetica contiene quattro valori didattici, non misure. Nella Sessione corso_python, importa confronto_modelli.py, salva lo script ed eseguilo nel Runner.

Script di confronto nell'editor GX-TXT.
Script di confronto nell'editor GX-TXT.
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require

for api in ("NUMERIC_API_v1@1", "CANONICAL_DATASET_API_v2@2"):
    gxtxt_api_require(api)
dataset = "corso_python_serie_sintetica"
r = gxtxt_api_call("CANONICAL_DATASET_API_v2", "read_range", [dataset, ["tempo", "segnale"], 0, 4])
x = np.asarray(r["tempo"]["values"]).reshape(-1)
y = np.asarray(r["segnale"]["values"]).reshape(-1)
for grado in (1, 2):
    fit = gxtxt_api_call("NUMERIC_API_v1", "polynomial_fit", [x, y, grado])
    print("Grado:", grado)
    print("Campioni:", len(x), "parametri:", grado + 1)
    print("Coefficienti:", np.asarray(fit["coefficients"]).reshape(-1))
    print("Residui (mV):", np.round(np.asarray(fit["residuals"]).reshape(-1), 5))
    print("Somma quadrati (mV²):", fit["sse"], "gradi di liberta:", fit["dof"])
    print("Stato:", fit["status"])

Il ciclo for richiede all’API polynomial_fit i gradi 1 e 2 sugli stessi valori X e Y. Il primo modello ha due coefficienti, il secondo tre. Il secondo contiene il primo come caso particolare quando il coefficiente quadratico è zero: sono modelli annidati. L’API restituisce coefficienti in ordine decrescente delle potenze, residui, somma dei quadrati e informazioni sulla soluzione.

Output dei due fit sugli stessi quattro campioni sintetici.
Output dei due fit sugli stessi quattro campioni sintetici.

In questa esecuzione entrambi hanno somma dei quadrati dei residui pari a circa \(0{,}05\,\mathrm{mV}^2\). Il coefficiente quadratico è praticamente zero a precisione numerica, quindi i valori previsti coincidono con quelli della retta. Il modello di grado 1 ha due gradi di libertà residui; quello di grado 2 ne ha uno. Aggiungere un parametro non ha migliorato l’adattamento su questi dati.

Interpretare il confronto

La somma dei quadrati è una misura del disaccordo sui dati usati per il fit, ma non racconta tutto. Più parametri possono adattarsi anche al rumore: è il rischio di overfitting. Per un confronto serio usa gli stessi dati e pesi, controlla residui, condizionamento e ipotesi, e scegli criteri adatti alla dimensione del campione. Con quattro punti non bisogna generalizzare conclusioni forti. Una metrica numerica migliore non dimostra che un modello descriva correttamente il fenomeno fisico.

Esercizio

  1. Quanti parametri ha ciascun polinomio?
  2. Che cosa suggerisce il coefficiente quadratico vicino a zero in questo esempio?
  3. Perché confrontiamo i due modelli sulle stesse osservazioni?

Soluzione ragionata

  1. Due per il grado 1 e tre per il grado 2, inclusa l’intercetta.
  2. Che il termine di secondo grado non aggiunge una curvatura apprezzabile nel fit mostrato.
  3. Per rendere confrontabili residui e metriche: cambiare dati o pesi cambierebbe anche il problema.

Nella prossima lezione costruiremo un rapporto che distingua stime, incertezze e conclusioni.

Scarica gli script del Modulo 08 (ZIP)

#GX-TXT #Python #Statistica

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *