feat: 初始化员工缺勤分析系统项目

搭建完整的前后端分离架构，实现数据概览、预测分析、聚类分析等核心功能模块详细版： feat: 初始化员工缺勤分析系统项目 - 后端：基于 Flask 搭建 RESTful API，包含数据概览、特征分析、预测模型、聚类分析四大模块 - 前端：基于 Vue.js 构建单页应用，实现 Dashboard、预测、聚类、因子分析等页面 - 模型：集成随机森林、XGBoost、LightGBM、Stacking 等多种机器学习模型 - 文档：完成需求规格说明、系统架构设计、接口设计、数据设计、UI原型设计等文档
2026-03-08 14:48:26 +08:00
commit a39d8b2fd2
48 changed files with 9546 additions and 0 deletions
--- a/README.md
+++ b/README.md
@@ -0,0 +1,253 @@
+# 基于多维特征挖掘的员工缺勤分析与预测系统
+
+## 项目简介
+
+本系统基于 UCI Absenteeism 数据集，利用机器学习算法对员工考勤数据进行深度分析，挖掘影响缺勤的多维度特征，构建缺勤预测模型，为企业人力资源管理提供科学、客观的决策支持。
+
+## 功能特性
+
+### F01 数据概览与全局统计
+- 基础统计指标展示（样本总数、员工总数、缺勤总时长等）
+- 月度缺勤趋势分析
+- 星期分布分析
+- 缺勤原因分布分析
+- 季节分布分析
+
+### F02 多维特征挖掘与影响因素分析
+- 特征重要性排序（基于随机森林）
+- 相关性热力图分析
+- 群体对比分析（饮酒/吸烟/学历/子女等维度）
+
+### F03 员工缺勤风险预测
+- 单次缺勤预测
+- 风险等级评估（低/中/高）
+- 模型性能展示（R²、MSE、RMSE、MAE）
+
+### F04 员工画像与群体聚类
+- K-Means 聚类结果展示
+- 员工群体雷达图
+- 聚类散点图可视化
+
+## 技术栈
+
+### 后端
+- Python 3.11
+- Flask 2.3.3
+- scikit-learn 1.3.0
+- XGBoost 1.7.6
+- LightGBM 4.1.0
+- pandas 2.0.3
+- numpy 1.24.3
+
+### 前端
+- Vue 3.4
+- Element Plus 2.4
+- ECharts 5.4
+- Axios 1.6
+- Vue Router 4.2
+- Vite 5.0
+
+## 环境要求
+
+| 项目 | 要求 |
+|------|------|
+| 操作系统 | Windows 10/11、Linux、macOS |
+| Python | 3.11 |
+| Node.js | 16.0+ |
+| Conda | Anaconda 或 Miniconda |
+| pnpm | 8.0+ |
+
+## 安装部署
+
+### 1. 克隆项目
+
+```bash
+git clone <repository-url>
+cd forsetsystem
+```
+
+### 2. 后端环境配置
+
+#### 创建 Conda 环境
+
+```powershell
+conda create -n forsetenv python=3.11 -y
+conda activate forsetenv
+```
+
+#### 安装机器学习库（使用 conda-forge）
+
+```powershell
+conda install -c conda-forge pandas=2.0.3 numpy=1.24.3 scikit-learn=1.3.0 xgboost=1.7.6 lightgbm=4.1.0 joblib=1.3.1 -y
+```
+
+#### 安装 Web 框架
+
+```powershell
+pip install Flask==2.3.3 Flask-CORS==4.0.0 python-dotenv==1.0.0
+```
+
+#### 验证安装
+
+```powershell
+python -c "import pandas,numpy,sklearn,xgboost,lightgbm,flask;print('All libraries installed successfully')"
+```
+
+#### 训练模型
+
+```powershell
+cd backend
+python core/train_model.py
+```
+
+### 3. 前端环境配置
+
+```bash
+cd frontend
+pnpm install
+```
+
+## 运行说明
+
+### 启动后端服务
+
+```powershell
+conda activate forsetenv
+cd backend
+python app.py
+```
+
+后端服务运行在 http://localhost:5000
+
+### 启动前端服务
+
+```bash
+cd frontend
+pnpm dev
+```
+
+前端服务运行在 http://localhost:5173
+
+### 访问系统
+
+打开浏览器访问 http://localhost:5173
+
+## 项目结构
+
+```
+forsetsystem/
+├── backend/                      # 后端项目
+│   ├── api/                      # API 接口层
+│   │   ├── overview_routes.py    # 数据概览接口
+│   │   ├── analysis_routes.py    # 影响因素分析接口
+│   │   ├── predict_routes.py     # 预测接口
+│   │   └── cluster_routes.py     # 聚类接口
+│   ├── services/                 # 业务逻辑层
+│   ├── core/                     # 核心算法层
+│   │   ├── preprocessing.py      # 数据预处理
+│   │   ├── feature_mining.py     # 特征挖掘
+│   │   ├── train_model.py        # 模型训练
+│   │   └── clustering.py         # 聚类分析
+│   ├── data/                     # 数据存储
+│   ├── models/                   # 模型存储
+│   ├── utils/                    # 工具函数
+│   ├── app.py                    # 应用入口
+│   ├── config.py                 # 配置文件
+│   └── requirements.txt          # 依赖清单
+│
+├── frontend/                     # 前端项目
+│   ├── src/
+│   │   ├── api/                  # API 调用
+│   │   ├── views/                # 页面组件
+│   │   ├── router/               # 路由配置
+│   │   ├── App.vue               # 根组件
+│   │   └── main.js               # 入口文件
+│   ├── index.html
+│   ├── package.json
+│   └── vite.config.js
+│
+├── data/                         # 原始数据
+│   └── Absenteeism_at_work.csv
+│
+├── docs/                         # 项目文档
+│   ├── 00_需求规格说明书.md
+│   ├── 01_系统架构设计.md
+│   ├── 02_接口设计文档.md
+│   ├── 03_数据设计文档.md
+│   └── 04_UI原型设计.md
+│
+└── README.md
+```
+
+## API 接口
+
+### 数据概览模块
+| 接口 | 方法 | 说明 |
+|------|------|------|
+| /api/overview/stats | GET | 基础统计指标 |
+| /api/overview/trend | GET | 月度缺勤趋势 |
+| /api/overview/weekday | GET | 星期分布 |
+| /api/overview/reasons | GET | 缺勤原因分布 |
+| /api/overview/seasons | GET | 季节分布 |
+
+### 影响因素分析模块
+| 接口 | 方法 | 说明 |
+|------|------|------|
+| /api/analysis/importance | GET | 特征重要性 |
+| /api/analysis/correlation | GET | 相关性矩阵 |
+| /api/analysis/compare | GET | 群体对比分析 |
+
+### 预测模块
+| 接口 | 方法 | 说明 |
+|------|------|------|
+| /api/predict/single | POST | 单次预测 |
+| /api/predict/model-info | GET | 模型信息 |
+
+### 聚类模块
+| 接口 | 方法 | 说明 |
+|------|------|------|
+| /api/cluster/result | GET | 聚类结果 |
+| /api/cluster/profile | GET | 群体画像 |
+| /api/cluster/scatter | GET | 散点数据 |
+
+## 作者信息
+
+- **作者**：张硕
+- **学校**：河南农业大学软件学院
+- **项目类型**：本科毕业设计
+- **完成时间**：2026年3月
+
+## 后续改进计划
+
+### 模型优化
+- [ ] 引入深度学习模型（如 LSTM）处理时序特征
+- [ ] 增加模型解释性分析（SHAP 值可视化）
+- [ ] 实现模型自动调参（Optuna/Hyperopt）
+- [ ] 支持多模型集成预测
+
+### 功能扩展
+- [ ] 增加用户认证与权限管理
+- [ ] 支持自定义数据集上传与分析
+- [ ] 增加数据导出功能（Excel/PDF 报告）
+- [ ] 实现预测结果的批量导出
+- [ ] 增加数据可视化大屏展示
+
+### 技术改进
+- [ ] 后端迁移至 FastAPI 提升性能
+- [ ] 引入 Redis 缓存常用查询结果
+- [ ] 使用 Docker 容器化部署
+- [ ] 增加 CI/CD 自动化测试与部署
+- [ ] 前端状态管理迁移至 Pinia
+
+### 数据层面
+- [ ] 支持数据库存储（MySQL/PostgreSQL）
+- [ ] 实现数据增量更新机制
+- [ ] 增加数据质量检测与清洗功能
+
+## 参考资料
+
+- [UCI Machine Learning Repository - Absenteeism at work Data Set](https://archive.ics.uci.edu/ml/datasets/Absenteeism+at+work)
+- [Flask 官方文档](https://flask.palletsprojects.com/)
+- [Vue 3 官方文档](https://vuejs.org/)
+- [Element Plus 组件库](https://element-plus.org/)
+- [ECharts 图表库](https://echarts.apache.org/)