Curve Fitter: modelli e risultati
Corso Python scientifico in GX-TXT · Modulo 8 · Lezione 46
Il Curve Fitter permette di adattare un modello a una curva di un Dataset e di esaminare parametri e residui. In questa lezione usiamo una serie sintetica esattamente lineare, così da confrontare il risultato con i parametri noti.
Obiettivi
- Caricare una curva da un Dataset e scegliere un modello.
- Distinguere anteprima e fit accettato.
- Leggere parametri, unità, residui e stato del metodo.
- Consultare da Python il catalogo dei modelli disponibili.
Carica la curva
Apri la Sessione corso_python, seleziona Viewers
→ Curve Fitter, scegli il Dataset
corso_python_seconda_serie, X tempo (s) e Y
segnale (mV), quindi Add Dataset curve.
Questo Dataset è stato creato nella lezione 34 e contiene quattro punti
sintetici sulla retta \(y=1+0{,}2t\), con y in
mV e t in s.
Seleziona la curva nell’elenco delle sorgenti e scegli Fit → Preview fit. Il modello lineare di questo esempio produce l’anteprima seguente. Per conservare il fit usa Fit → Accept fit, assegna un nome e salva il Workspace.

Parametri e residui
Apri Parameters & Statistics. L’intercetta è
circa 1 mV e la pendenza circa 0,2 mV/s, come
previsto dalla formula che ha generato i dati. Il metodo riportato è una
soluzione lineare diretta: lo stato della convergenza iterativa è
indicato come non applicabile. Non va descritto come un solver iterativo
convergente.

Nella scheda Residuals, il residuo è dato da osservato meno previsto. In questo esempio ideale i residui sono vicini a zero a precisione numerica: i dati sono stati costruiti esattamente sulla stessa retta. Questa situazione non dimostra che un modello lineare sia sempre appropriato per dati sperimentali.

Catalogo dei modelli da Python
Il seguente script interroga le schede dei modelli e l’elenco dei Workspace della Sessione. Importalo nel Python Script Workspace e avvialo nel Runner.
from gxtxt import gxtxt_api_call, gxtxt_api_require
gxtxt_api_require("DATASET_CURVE_FIT_API_v1@1")
gxtxt_api_require("SESSION_WORKSPACE_API_v1@1")
modelli = gxtxt_api_call("DATASET_CURVE_FIT_API_v1", "model_cards", [])
spazi = gxtxt_api_call("SESSION_WORKSPACE_API_v1", "list", [])
print("Schede modello disponibili:", len(modelli))
print("Workspace della Sessione:", len(spazi))
for spazio in spazi:
print("Workspace:", spazio.get("id"), spazio.get("name"), spazio.get("provider_id"))

Nell’esecuzione mostrata l’API restituisce 22 schede e un Workspace di Curve Fitter. Una recipe pubblica catturata da un fit accettato permette di descrivere e ripetere esplicitamente un’analisi; occorre usare l’identità del risultato e verificare sorgente e versione prima del riutilizzo.
Nota sulla versione. Nella copia dev112-P011-bis utilizzata per la guida, la lettura generica del Workspace di Curve Fitter tramite
SESSION_WORKSPACE_API_v1/getha restituito un errore di trasporto (unsupported provider result type Tcl_Obj). Per questo non mostriamo uno screenshot dell’acquisizione della recipe tramite quella lettura. Il comportamento atteso è restituire il Workspace con dati trasferibili al client, così da poter proseguire con le operazioni pubbliche sui risultati. La correzione non è stata verificata in questa installazione; la versione in cui sarà disponibile va confermata sulla release effettiva.
Esercizio
- Quali unità hanno intercetta e pendenza?
- Perché i residui sono quasi nulli nell’esempio?
- Perché lo stato «convergenza iterativa non applicabile» non significa automaticamente che il fit sia fallito?
Soluzione ragionata
- L’intercetta è in mV; la pendenza in mV/s.
- I quattro punti sintetici sono stati costruiti su una retta; restano piccoli scarti numerici.
- Il metodo mostrato è una soluzione diretta, non un algoritmo iterativo: va letto l’esito della soluzione insieme ai parametri e ai residui.
Nella prossima lezione confronteremo modelli diversi sugli stessi dati.