EquationMiner/docs/USO.md

# Uso di `fitseg`

## 1. Ambiente
```bash
uv venv .venv && uv pip install -e ".[dev]"      # numpy, scipy, matplotlib, pytest, ruff
```

## 2. Generare i dati
I CSV vengono da `../gen_data` (repository separato); `dati/gen_<seed>.csv` ne contiene tre già pronti. Per rigenerarli:
```bash
cd ../gen_data && .venv/bin/python genera.py config.toml --seed 4 -o ../EquationMiner/dati/gen_4.csv
```

## 3. Analisi
```bash
.venv/bin/fitseg domini dati/gen_1.csv            # solo i domini → lavoro/domini.toml
.venv/bin/fitseg analizza dati/gen_1.csv          # domini + fit + report in lavoro/out/
.venv/bin/fitseg analizza dati/gen_1.csv --domini lavoro/domini.toml   # con domini corretti a mano
.venv/bin/fitseg valuta lavoro/out/modello_finale.json --t 10 20 50
.venv/bin/pytest                                  # test (singolo: -k raffreddamento)
```
Il report è in `lavoro/out/report.md` (con i grafici dati-contro-equazioni incorporati, uno per dominio e serie): per ogni dominio e serie, modello scelto con parametri ± IC 95 %, metriche e tabella di
confronto di tutti i modelli. Leggi sempre la riga "non adeguato" e l'ACF1: indicano residui che il modello non spiega.

## 4. Configurazione
Tutto in [config.toml](../config.toml) (nessun default nel codice). Chiavi di rilievo: `[domini] soglia_gradino_c`,
`scarta_dopo_salto_n`, `n_min_punti`; `[fit.modelli_per_tipo]`, `riscaldamento_fissa_da_raffreddamento`, `soglia_delta_aicc`, `rmse_vs_rumore_max`, `seed`.