做网站时的电话图标,企业网站怎么建立,wordpress 4.2.2,破解版手游app平台快速分析变量间关系#xff08;BorutaSHAPRCS#xff09;的 APP#xff08;streamlit#xff09; 以下情况下#xff0c;你需要这个快速分析的APP: 正式分析之前的预分析#xff0c;有助于确定分析的方向和重点变量#xff1b;收集变量过程中#xff0c;监测收集的变量…快速分析变量间关系BorutaSHAPRCS的 APPstreamlit 以下情况下你需要这个快速分析的APP: 正式分析之前的预分析有助于确定分析的方向和重点变量收集变量过程中监测收集的变量是否合适。偶尔会遇到数据集中没有特征变量和结局变量相关这如果发生在数据收集结束的阶段将是灾难性的所以我们需要不断的监测数据的收集。 下面介绍一个自动化程度较高的有一定的准确度且快速的数据探索APP。之前介绍过R语言版本但是因为算力要求较多没有部署到网络所以撰写了目前的streamlit版本。 第一步变量筛选模块采用了Boruta算法的改进版leshy算法arfs包其中的参数‘important‘naive’’还可以选择‘shap’因为运算慢舍弃了给大家推荐这个包。这个模块有回归和二分类两个模型还各自内置了一个数据集进行展示。 第二步SHAP分析这里主要展示全局解释的结果包括汇总图和单变量的散点图而局部解释的结果如瀑布图不符合这个APP的目的暂时没有涉及。交互作用的部分待添加。 第三步限制性立方样条曲线拟合对某特征变量SHAP值变化的趋势进行拟合并确定关键的点对应的特征值比如二分类模型SHAP值为0时对应的特征值是两种结局概率相等的点低于或者高于这个点的值都意味着倾向于发生某种结局。还设计了可以调整的曲线拟合参数的n_knots和degree以及两条纵向的虚线来指示特定的点。
APP地址
https://focus-analysis.streamlit.app/
代码地址
https://github.com/liuyp2080/fast_analysis
心得体会
Web APP 代码复杂程度较低特别适合数据分析为主编程代码为辅的人群包括作为临床预测模型构建好之后进入临床应用的媒介。R语言的shinyAPP的瓶颈在于部署需要算力较多的就需要花钱进行部署在这一点上streamlit可能是因为结合GPU所以是更好的选择所以深度学习模型首选的是也是streamlit机器学习和统计分析可以尝试shinyAPP。建立了一个web APP讨论的群组欢迎大家加入同时接受APP制作的委托欢迎大家咨询
