构建一个快速数据分析（boruta+shap+rcs）的shiny APP
之前提出了一个快速数据分析的流程，包括：
- 变量筛选，使用Boruta等变量筛选的方法来找出相关的变量；
- 发现规律，使用SHAP分析的散点图、交互作用图来探索变量与结局指标之间的关系；
- 描述规律，使用立方样条分析来拟合预测变量与其SHAP值之间的关系，主要是探索曲线的拐点，或者有意义的点。或者将数据进行分层分析来展示交互作用。
以上流程可以使用python 或者R代码实现，而我们这里尝试制作一个shiny APP来包装R代码，以实现相似的功能。目前这个APP有三个页面：
1.筛选， 使用boruta算法对变量实现快速的筛选，后续分析只针对感兴趣的变量，因而提高了分析的效率。这也是将这套流程称为“快速分析”的主要原因。操作的时候，首先上传csv或tsv文件，设定是经过接本的预处理，比如去除缺失值等等，字符串变量可以不进行处理，会自动专为factor变量进行处理；然后分别选定X变量和y变量，最后点击“运行”即可。
2.发现，使用SHAP分析对独立变量和因变量之间的关系进行定量（SHAP值），并使用其散点图观察变量之间的关系，快速发现是曲线或者直线关系。这一步背后的算法是树形算法，为了能适用更多的情况，不能固定模型的参数，而通过一个参数探索的过程，选出最佳的模型来展示SHAP分析的结果。这一步耗费的时间比较长。
3. 描述， 对上一步发现的关系进行进一步描述，因为多数情况下是曲线关系，采用的是立方样条回归，这一步的主要内容是确定曲线的模式和确定拐点或者交界点。立方样条回归（RCS）用的是独立变量及其SHAP值之间的单因素回归，但是因为SHAP值计算的时候是多因素lightgbm计算出来的，所以最终结果中含有多因素的成份，与普通的两个变量之间的直接RCS拟合不同。
通过以上三个页面，把数据分析的流程，整合到一个APP中。但是运行起来比较耗费资源，主要是第二步导致部署在网路上的APP运行时间过长，体验较差，需要寻求其它的解决办法，目前APP是二分类的版本，后续可能退出COX的版本，敬请期待。
UI端源码公布如下，完整的源码可以通过该地址积分下载，无积分的可以联系作者。
library(shiny)
library(bslib)
library(Boruta)
library(shapviz)
library(rms)
library(ggrcs)
library(recipes)
library(tidyverse)
library(bonsai)
library(tidymodels)
tidymodels_prefer()
library(themis)
library(shapviz)
library(probably)
library(discrim)
library(shinybusy)
# Define UI for application that draws a histogram
ui <- page_navbar(
title='快速数据分析',
# underline=TRUE,
# bg='#0062cc',
theme = bslib::bs_theme(bootswatch = "flatly"),
#'arg' should be one of “cerulean”, “cosmo”, “cyborg”, “darkly”, “flatly”, “journal”, “litera”, “lumen”, “lux”, “materia”, “minty”, “morph”, “pulse”, “quartz”, “sandstone”, “simplex”, “sketchy”, “slate”, “solar”, “spacelab”, “superhero”, “united”, “vapor”, “yeti”, “zephyr”
nav_panel("筛选",
add_busy_spinner(spin = "double-bounce", margins = c(10, 20),color='green'),
layout_sidebar(
sidebar=sidebar(
width=400,
position='left',
fileInput('file','上传数据文件(csv或tsv)'),
hr(),
selectInput('interest_vars','选择待分析的X变量',choices = NULL,multiple = TRUE),
selectInput('y_vars','选择待分析的y变量(目前仅支持二分类)',choices=NULL),
actionButton('boruta_run','运行'),
card('bug检查框',
verbatimTextOutput('bug_check'))
),
# layout_column_wrap(width=1/2,
card('Boruta筛选结果（formula_confirm）',verbatimTextOutput('formula_confirm')),
# card('Boruta筛选结果（formula_nonrejected）',verbatimTextOutput('formula_nonrejected'))),
card(full_screen = TRUE,'Boruta筛选结果(图形)',plotOutput('borutaPlot'),
card_footer("说明：使用boruta快捷的筛选与结局变量相关的变量，后续的分析聚焦与筛选出的变量"
))
)),
nav_panel("发现",
add_busy_spinner(spin = "double-bounce", margins = c(10, 20),color = "red",position='top-right'),
layout_sidebar(
sidebar=sidebar(
width=400,
position='left',
selectInput('shap_var1','待观察的变量1(仅可选筛选出的变量)',choices=NULL),
selectInput('shap_var2','待观察的变量2(仅可选筛选出的变量)',choices=NULL),
actionButton('shap_run','SHAP'),
card('bug检查框',
verbatimTextOutput('bug_check2'))
),
layout_column_wrap(width=1/2,
card(min_height = 180,full_screen = TRUE,'各个变量的贡献-bees图',plotOutput('bees_plot')),
card(min_height=180,full_screen = TRUE,'各个变量的贡献-柱状图',plotOutput('bar_plot')),
card(min_height=180,full_screen = TRUE,"选择变量的散点图",plotOutput('scatter_plot')),
card(min_height=180,full_screen = TRUE,"选择变量的散点图（带交互）",plotOutput('scatter_plot2')),
card(min_height=180,full_screen = TRUE,"选择变量的散点图",plotOutput('scatter_plot3')),
card(min_height=180,full_screen = TRUE,"选择变量的散点图（带交互）",plotOutput('scatter_plot4')),
)
)),
nav_panel("描述",
add_busy_spinner(spin = "double-bounce", margins = c(10, 20),color = "blue",position='top-right'),
layout_sidebar(
sidebar = sidebar(
width=400,
selectInput('rcs_var1','待拟合的指标1',choices=NULL),
numericInput('rcs_point1','标记拐点1',value=NULL),
hr(),
selectInput('rcs_var2','待拟合的指标2',choices=NULL),
numericInput('rcs_point2','标记拐点2',value=NULL),
actionButton('rcs_run','RCS'),
card('bug检查框',
verbatimTextOutput('bug_check3'))
),
layout_column_wrap(width=1/2,
card('立方样条回归拟合SHAP结果1',plotOutput('rcs_plot1'),
card_footer('说明:背后的算法是单因素立方样条回归，但是因为SHAP值是经过多因素lightgbm计算出来的，所以反映的其实是一种多因素分析处理过的相关性')),
card('立方样条回归拟合SHAP结果2',plotOutput('rcs_plot2'),
card_footer('说明：因为使用的是线性回归，虚线代表了预测变量对结局指标影响为0的情况。逻辑回归可能有不同的情况。'))
)
)
),
nav_menu(title='',align='right',
nav_item(),
nav_item())
)