对cox模型的解释（SHAP VS 列线图算法）

使用我自己摸索的列线图算法以及SHAP分析两种解释工具来解释同一个COX模型，对比一下两者的相似点和区别，或许能够让我们对模型和解释工具都有更加深刻的认识。

这是使用同一个数据集，来比较全局性解释，使用同一个个案的数据，来比较局部性解释，看两种解释方法之间有什么区别和联系。

全局性解释

1. 列线图算法
   排名前三位的是血清钠水平、年龄和射血分数，两个是反比例关系（值增加，心衰危险程度减低），一个是正比例关系（值增加，心衰危险程度增加）。血清钠和年龄之间相差约两倍。
   
2. SHAP分析
   前三位是血清肌酐、射血分数和年龄。血清钠和射血分数也展现出反比例关系，年龄是正比例关系。
   
   

局部性解释

个案数据：

{'age':60,'anaemia':1,'creatinine_phosphokinase':40,'diabetes':1,'ejection_fraction':50,'high_blood_pressure':1,'serum_creatinine':1,'serum_sodium':120,'sex':1,'smoking':1}

1.列线图算法
对于这个个案来说，血清钠和射血分数目前的值是负向的贡献，年龄是正向的贡献？

2. SHAP分析
血清钠目前的值是正向贡献，射血分数、血清肌酐和年龄目前的值是负向贡献。

最后

对比来说，这两种解释方式得到的结果有相似的地方也有矛盾的地方，特别是局部性解释。一时间如何看待这两种解释方法，以及他们之间的矛盾，一时还没有思路，留待以后更新。

以上内容涉及的项目代码：
shap分析：https://www.heywhale.com/mw/project/62fb7e20738412246385df09/content
列线图分析：https://www.heywhale.com/mw/project/67c142b8bc2e1697195987c9