light-result-analysis

name	light-result-analysis
description	对执行出来的结果、实验数据、模型输出、图表结果进行详细专业深入的分析。当用户实验跑完、需要解读数据、问"这些结果说明什么"时使用。不只描述好坏，而是解释为什么、哪些结果证明方法有效、哪些暴露问题、哪些异常需排查、哪些规律可成为论文亮点、哪些需补充实验。

结果与数据深度分析

分析层次（逐层深入）

1. 描述：指标汇总、分布、与 baseline 的差距，配误差棒/置信区间。
2. 解释：为什么是这个结果？归因到方法的哪个组件（结合消融）。
3. 诊断：哪些结果证明创新点有效，哪些反而暴露问题或矛盾。
4. 洞察：能成为论文亮点的规律；意外发现；可解释性证据(SHAP/特征重要性/注意力)。
5. 行动：哪些异常需排查，哪些结论需补实验验证，哪些不能过度声称。

必查清单

• 显著性：≥5 随机种子；算力受限 ≥3 且须在报告显式标注（与 m05 实验设计同口径），报均值±标准差；两组用 Welch t（不假设等方差）、非正态用 Mann-Whitney U、多组用 ANOVA+Tukey、比例用 two-proportion z-test。p 值 + 效应量(Cohen's d) + 置信区间三件套，别只报 p。多比较用 BH-FDR 校正（multipletests(method="fdr_bh")）。
• 配对设计识别（先判再选检验）：方法是否在同一组单元（同一批种子/CV 折/测试样本）上评测？是 → 用配对 t / Wilcoxon 符号秩（功效更高，扣除单元间方差），不是独立 Welch/Mann-Whitney；误当独立会低估显著性。analyze_results.py --paired-by seed 自动按共享列对齐配对，配对效应量用 d_z、差值 CI 用 bootstrap（详见 references「配对设计识别」节）。
• 切片分析（防聚合指标盲区）：整体指标会掩盖子群失败（整体 85% 但某类别只 50%）。按类别/域/难度/敏感属性/时间段切片，逐切片复算指标并带样本量 n，对照整体找异常切片；多切片比较过 BH-FDR；小 n 切片禁下强结论。已脚本化：analyze_results.py --slice-by <col> 对每个切片值复算同套 EDA+检验+效应量+FDR，自动标注小 n 切片为"待核查"（公平性维度的敏感属性可作 slice_by，关联 a10；详见 references「切片分析协议」节）。
• 一致性：跨数据集/跨设置是否稳定？哪里反常？
• 消融自洽：移除组件性能确实下降？方向对不对？用 anova_lm 或回归系数看组件贡献是否显著。
• 失败案例：错例分析找系统性偏差；用 SHAP(beeswarm/bar) 看模型实际依赖哪些特征是否合理。
• 公平性：对比是否同设置、同算力、同数据，避免不公平比较。
• 过拟合/泄漏：train/val/test 差距是否异常；特征-标签相关过高或时间穿越要查（deepchecks data_integrity / 漂移用 Evidently DataDriftPreset）。

工具与具体用法

• 快速体检：ProfileReport(df, minimal=True).to_file(...) 一键出分布/缺失/相关/告警；deepchecks data_integrity().run(Dataset(df,label=...)) 查泄漏/重复/单值列。
• 统计推断：statsmodels。回归 smf.ols("y~x1+x2",data).fit().summary() 给系数/p/R²/AIC（OLS 用 sm.add_constant 加截距，公式接口自动加）；方差分析 anova_lm(model, typ=2)；检验在 statsmodels.stats（ttest_ind / proportions_ztest / multipletests / het_breuschpagan）。
• 可解释性：SHAP，见即用脚本 scripts/explain_shap.py（一键产 beeswarm/bar/waterfall 三图）。树模型用 shap.TreeExplainer（快），通用兜底 KernelExplainer（慢，背景集要采样）；shap.plots.beeswarm 看全局方向、bar 看重要性排序、waterfall 拆单样本。SHAP 反映模型非因果。
• 静态出版图：matplotlib 面向对象接口 fig,ax=plt.subplots(layout="constrained")，savefig(dpi=300,bbox_inches="tight") 存 PDF/SVG 矢量；seaborn 轴级函数(boxplot/heatmap/barplot, barplot 默认带 95%CI 误差棒)可嵌 ax，图形级(relplot/catplot)自带分面。配色用 viridis 等色盲友好 colormap，避免 jet。出图语言三选（Python 为主，R/MATLAB 备选）：以本技能 make_figs.py（Python/matplotlib）为默认；R 用户可用 ggplot2（+ theme_classic() + scale_color_viridis_d()，拼图 patchwork，ggsave(units="mm") 按期刊栏宽出图）；MATLAB 生态（信号/控制类）用 exportgraphics(...,ContentType="vector") 出矢量、tiledlayout 组图。三者出版级矢量质量相当，按项目栈选；具体用法与栏宽规范统一见 m11(light-figure-drawing)，本技能只做"分析→出图"不重复绘图细节。
• 交互/探索图：plotly express(px.scatter(...,color=,facet_col=) → write_html) 或 altair(alt.Chart(df).mark_point().encode(x="a:Q",...))，做附录/补充材料。
• 漂移监控：Evidently Report(metrics=[DataDriftPreset()]).run(reference_data=ref,current_data=cur)（API 版本敏感，先确认版本）。
• 关系分析：networkx 算 betweenness/pagerank 中心性、louvain 社区，用于引用网/特征关系/消融依赖。
• 留痕与汇编：Jupyter Notebook 交付前 Restart&Run All 保证可复现、nbconvert 出报告；多组实验汇编成站点用 Jupyter Book(_config.yml+_toc.yml → jupyter-book build)。

产出

1. 结果分析报告：每个发现配"现象→原因→证据→对论文的意义"。标准工件：claim↔证据对应表落盘为 claim_evidence_table.md（交 m07/m09 的交接工件，命名见 CONVENTIONS §6.1）——由 analyze_results.py --emit-claim-table 自动生成：每个比较(claim)连到检验/p/q(FDR)/Cohen's d/CI/n，显著性以 BH-FDR 后 q 为准，并标"不显著的不得声称更好"。
2. 亮点清单（可写进 contribution）。
3. 问题/异常清单（含排查建议）。
4. 待补实验清单（回 m05 补设计）。
5. 推荐图表清单（交 m09 规划、m11 绘制）：方法对比柱状图(带 95%CI)、按种子分布的箱线+散点、学习/scaling 曲线(带 CI 带)、混淆/相关热图，以及可解释性三图——SHAP beeswarm(全局方向)+ bar(重要性排序)+ waterfall(单样本分解)，由 scripts/explain_shap.py 直接产出 dpi300 的 PDF/SVG/PNG。

即用脚本（scripts/，全部 python 自测跑通，复用 code_assets 已验证统计）

• scripts/analyze_results.py：结果表 csv 一键分析。EDA 摘要（n/均值±std/中位/95%CI/正态性）+ 按正态性与组数自动选检验（2 组正态→Welch t / 非正态→Mann-Whitney；≥3 组正态→先 Levene 方差齐性：齐用 ANOVA+Tukey、不齐自动切 Welch-ANOVA / 非正态→Kruskal-Wallis）+ 每对 Cohen's d(Hedges 校正)+ BH-FDR 跨比较校正，输出 summary.json + summary.md。小样本（最小组 n<10）自动加 Shapiro 功效不足警告（n 小时"判正态"不可靠，提示改非参/预设检验）。用法 python scripts/analyze_results.py results.csv --group method --metric acc f1；共享种子/折加 --paired-by seed 配对检验；--slice-by <col> 切片分析（逐切片复算+标小 n）；--emit-claim-table 产 claim_evidence_table.md（§6.1 工件）；无参跑合成 demo。
• scripts/significance_test.py："p + Cohen's d + CI + FDR"函数库（welch_t/cohens_d/mean_diff_ci/bootstrap_ci/benjamini_hochberg/compare_two/delong_two_auroc）。__main__ 逐函数对齐 scipy/statsmodels 打印 ALL PASS。复用 ../../../code_assets/stats_tests.py。delong_two_auroc(y,score_a,score_b)（借医疗评估常用 DeLong）：比较同一测试集上两模型 AUROC 差异是否显著（相关样本扣协方差，普通独立检验会错），与 sklearn roc_auc_score 数值对齐。
• scripts/make_figs.py：出版级 matplotlib 模板（OO 接口、constrained_layout、viridis 色盲友好、误差棒、dpi300 矢量 PDF/SVG/PNG）。builder：grouped_bar_ci/box_strip/line_with_band/heatmap + save_all。python scripts/make_figs.py 产 demo 四联图。
• scripts/leakage_overfit_check.py：纯 numpy/pandas 的 train/val/test gap（过拟合/漂移）+ 特征-标签高相关泄漏 + train/test 重复行 + 近常量列告警；deepchecks 缺失时自动降级（不强依赖）。阈值可 CLI 覆盖（--gap-overfit/--gap-shift/--leak-corr/--near-const，默认值仅启发式、强依赖任务，报告里如实标用的哪套阈值）。python scripts/leakage_overfit_check.py 跑带"植入泄漏"的合成 demo。
• scripts/explain_shap.py：SHAP 模型可解释性出图。派发 TreeExplainer(树模型快路径)→ shap.Explainer(统一入口自动挑 Tree/Linear)→ KernelExplainer(模型无关兜底，背景集用 shap.kmeans/sample 采样约 100 行控成本)；封装 SHAP 存图坑（每图 show=False → → 复用 make_figs 存 dpi300 PDF/SVG/PNG），产 beeswarm(全局方向)+ bar(重要性排序)+ waterfall(单样本分解) 三图。shap 未装时优雅降级跳过、exit 0（仿 deepchecks 处理，不强依赖）。 跑 make_classification+RandomForest 合成自测。坑：强相关稀释贡献、SHAP 非因果、KernelExplainer 昂贵。

衔接

亮点 → m07 写作支撑；异常/不足 → 回 m05 补实验 或 回 m03 提新 idea；结论写入 db09。诚实标注已验证/未验证（CONVENTIONS §4）。

---

工具真实端点/API/参数与已知坑的逐工具笔记见 references.md。