feat: update clustering implementation and docs

docs/中国企业缺勤模拟数据集说明.md

@@ -4,13 +4,13 @@
 
 - 数据文件：`backend/data/raw/china_enterprise_absence_events.csv`
 - 数据定位：中国企业员工缺勤事件模拟数据集
-- 数据来源：项目内部独立模拟生成，与原 `UCI Absenteeism` 数据集无任何字段映射和业务关联
+- 数据来源：项目内部独立模拟生成，并补充 `JD-R` 理论相关字段，不与原 `UCI Absenteeism` 数据集做字段映射
 - 样本粒度：每一行表示一次员工缺勤事件
 - 样本量：`12000` 条
 - 员工覆盖数：`2575`
 - 企业覆盖数：`180`
 - 行业覆盖数：`7`
-- 字段总数：`52`
+- 字段总数：`73`
 - 预测目标：`缺勤时长（小时）`
 
 ## 2. 目标变量分布
@@ -43,7 +43,7 @@
 - 极高风险约 `1.95%`
 - 高风险及以上（`>8` 小时）占比约 `21.05%`
 
-该分布特征为“中风险为主、少量高风险、极端长缺勤较少”，适合用于回归预测与风险分层分析。
+该分布特征为“中风险为主、少量高风险、极端长缺勤较少”，适合用于回归预测、风险分层分析和可解释建模。
 
 ## 3. 字段设计原则
 
@@ -52,6 +52,7 @@
 - 类别字段以有限枚举为主，方便前端表单录入和模型编码
 - 数值字段控制在合理范围内，避免训练时出现大面积异常值
 - 通过规则驱动加扰动的方式生成数据，使关键特征与目标值之间存在稳定、可学习的关系
+- 通过 `JD-R` 理论变量补充“为什么员工会缺勤”的解释维度
 
 ## 4. 字段清单
 
@@ -131,6 +132,32 @@
 | 是否连续缺勤 | 是否存在连续缺勤现象 |
 | 前一工作日是否加班 | 缺勤前一个工作日是否加班 |
 | 缺勤时长（小时） | 本次缺勤事件持续时长，预测目标列 |
+| 事件日期 | 缺勤事件发生日期 |
+| 事件日期索引 | 便于排序和构造时间窗口的数值索引 |
+| 事件序号 | 员工历史事件顺序 |
+| 员工历史事件数 | 员工在样本中的事件累计数 |
+
+### 4.6 `JD-R` 理论字段
+
+| 字段名 | 含义 |
+|---|---|
+| 工作自主性 | 员工对工作节奏与方式的控制程度 |
+| 情绪劳动强度 | 岗位中的情绪管理与情绪付出要求 |
+| 时间压力感知 | 员工主观感受到的时间紧迫程度 |
+| 角色模糊度 | 岗位职责边界不清晰程度 |
+| 工作家庭冲突 | 工作要求对家庭角色造成的冲突程度 |
+| 上级支持 | 员工感知到的管理支持程度 |
+| 同事支持 | 员工感知到的同伴支持程度 |
+| 技能多样性 | 工作内容和技能运用的丰富程度 |
+| 职业发展机会 | 员工感知到的发展与晋升空间 |
+| 参与决策 | 员工参与工作决策的程度 |
+| 组织公平感 | 员工对组织规则与分配公平的感知 |
+| 自我效能感 | 员工对自身胜任任务能力的信心 |
+| 心理韧性 | 员工面对压力和变化时的恢复能力 |
+| 乐观程度 | 员工对工作与未来的积极预期 |
+| 工作倦怠 | 高要求、低资源情境下的耗竭状态 |
+| 工作投入 | 高资源情境下的积极投入状态 |
+| `_jdr_version` | `JD-R` 字段版本标记 |
 
 ## 5. 数值字段范围概览
 
@@ -204,7 +231,8 @@
 
 - 员工缺勤时长回归预测
 - 缺勤风险分层预警
-- 特征重要性分析
+- `JD-R` 理论指标构建与解释分析
+- 特征重要性与 `SHAP` 解释
 - 行业/岗位/班次群体对比
 - 员工群体聚类画像
 - 前端数据可视化展示与业务汇报
@@ -214,6 +242,7 @@
 - 生成脚本：`backend/core/generate_dataset.py`
 - 训练脚本：`backend/core/train_model.py`
 - 预处理入口：`backend/core/preprocessing.py`
+- `JD-R` 指标构建：`backend/core/model_features.py`
 
 如果需要重新生成全新数据集，可删除旧文件后重新执行：
 
@@ -224,4 +253,4 @@ python core/generate_dataset.py
 
 ## 12. 说明
 
-该数据集为模拟数据，不对应任何真实企业、真实员工或真实业务记录，仅用于毕业设计系统中的算法训练、接口联调与前端展示。
+该数据集为模拟数据，不对应任何真实企业、真实员工或真实业务记录，仅用于毕业设计系统中的算法训练、接口联调、理论分析与前端展示。