feat: 将数据集从国外员工缺勤数据替换为中国企业缺勤模拟数据

- 新增中国企业员工缺勤模拟数据集生成脚本(generate_dataset.py)，覆盖7个行业、180家企业、2600名员工
  - 重构 config.py，更新特征字段为中文名称，调整目标列、员工ID、行业类型等配置
  - 重构 clustering.py，简化聚类逻辑，更新聚类特征和群体命名（高压通勤型、健康波动型等）
  - 重构 feature_mining.py，更新相关性分析和群体比较维度（按行业、班次、婚姻状态等）
  - 新增 model_features.py 定义模型训练特征
  - 更新 preprocessing.py 和 train_model.py 适配新数据结构
  - 更新各 API 路由默认参数（model: random_forest, dimension: industry）
  - 前端更新主题样式和各视图组件适配中文字段
  - 更新系统名称为 China Enterprise Absence Analysis System

中国企业缺勤模拟数据集说明.md

@@ -0,0 +1,227 @@
+# 中国企业缺勤模拟数据集说明
+
+## 1. 数据集概述
+
+- 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
+- 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`
+- 预测目标：`缺勤时长（小时）`
+
+## 2. 目标变量分布
+
+目标列为 `缺勤时长（小时）`，当前统计结果如下：
+
+| 指标 | 数值 |
+|---|---:|
+| count | 12000.00 |
+| mean | 6.36 |
+| std | 2.26 |
+| min | 0.50 |
+| 25% | 4.70 |
+| 50% | 6.30 |
+| 75% | 7.80 |
+| max | 16.70 |
+
+风险分层说明：
+
+- 低风险：`0-4` 小时
+- 中风险：`4-8` 小时
+- 高风险：`8-12` 小时
+- 极高风险：`12+` 小时
+
+当前目标分布：
+
+- 低风险约 `15.66%`
+- 中风险约 `63.29%`
+- 高风险约 `19.10%`
+- 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。
+
+## 3. 字段设计原则
+
+- 字段语义贴合中国企业实际 HR、考勤、排班、请假管理场景
+- 不包含身份证号、手机号、详细住址等敏感信息
+- 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
+
+## 4. 字段清单
+
+### 4.1 企业与组织字段
+
+| 字段名 | 含义 |
+|---|---|
+| 企业编号 | 企业主体唯一标识 |
+| 所属行业 | 企业所属行业，如制造业、互联网、物流运输等 |
+| 企业规模 | 企业员工规模分层 |
+| 所在城市等级 | 企业所在城市层级 |
+| 用工类型 | 正式员工、派遣、外包、实习等 |
+| 部门条线 | 员工所属业务或职能条线 |
+| 岗位序列 | 岗位类别，如管理、专业技术、生产操作等 |
+| 岗位级别 | 岗位层级，如初级、中级、高级、主管等 |
+
+### 4.2 员工基础字段
+
+| 字段名 | 含义 |
+|---|---|
+| 员工编号 | 员工唯一标识 |
+| 性别 | 员工性别 |
+| 年龄 | 员工年龄 |
+| 司龄年数 | 员工在当前企业工作年限 |
+| 最高学历 | 员工最高学历层次 |
+| 婚姻状态 | 未婚、已婚、离异/其他 |
+| 是否本地户籍 | 是否为企业所在城市本地户籍 |
+| 子女数量 | 子女人数 |
+| 是否独生子女家庭负担 | 是否存在较高家庭抚养压力 |
+| 居住类型 | 自有住房、租房、宿舍 |
+
+### 4.3 工作负荷与出勤环境字段
+
+| 字段名 | 含义 |
+|---|---|
+| 班次类型 | 标准白班、两班倒、三班倒、弹性班 |
+| 是否夜班岗位 | 是否属于夜班场景 |
+| 月均加班时长 | 月均加班小时数 |
+| 近30天出勤天数 | 近30天实际出勤天数 |
+| 近90天缺勤次数 | 近90天缺勤事件次数 |
+| 近180天请假总时长 | 近180天累计请假时长 |
+| 通勤时长分钟 | 单程或综合通勤时长 |
+| 通勤距离公里 | 通勤距离 |
+| 是否跨城通勤 | 是否存在跨城通勤情况 |
+| 绩效等级 | A/B/C/D 绩效等级 |
+| 近12月违纪次数 | 最近一年违纪次数 |
+| 团队人数 | 员工所在团队人数 |
+| 直属上级管理跨度 | 上级管理人数范围 |
+
+### 4.4 健康与生活方式字段
+
+| 字段名 | 含义 |
+|---|---|
+| BMI | 身体质量指数 |
+| 是否慢性病史 | 是否存在慢性病史 |
+| 年度体检异常标记 | 年度体检是否存在异常 |
+| 近30天睡眠时长均值 | 近30天平均睡眠时长 |
+| 每周运动频次 | 每周运动次数 |
+| 是否吸烟 | 是否吸烟 |
+| 是否饮酒 | 是否饮酒 |
+| 心理压力等级 | 低、中、高 |
+| 是否长期久坐岗位 | 是否属于长期久坐岗位 |
+
+### 4.5 缺勤事件字段
+
+| 字段名 | 含义 |
+|---|---|
+| 缺勤月份 | 本次缺勤发生月份 |
+| 星期几 | 本次缺勤发生星期 |
+| 是否节假日前后 | 是否发生在节假日前后窗口期 |
+| 季节 | 冬季、春季、夏季、秋季 |
+| 请假申请渠道 | 系统申请、主管代提、临时电话报备 |
+| 请假类型 | 病假、事假、年假、调休、婚假、丧假、产检育儿假、工伤假、其他 |
+| 请假原因大类 | 身体不适、家庭事务、子女照护、交通受阻、突发事件、职业疲劳、就医复查 |
+| 是否提供医院证明 | 是否提供医院证明材料 |
+| 是否临时请假 | 是否为临时发起请假 |
+| 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 |
+
+## 5. 数值字段范围概览
+
+| 字段名 | 均值 | 最小值 | 最大值 |
+|---|---:|---:|---:|
+| 年龄 | 32.66 | 20.00 | 55.00 |
+| 司龄年数 | 11.74 | 0.20 | 32.00 |
+| 月均加班时长 | 34.84 | 4.10 | 66.10 |
+| 通勤时长分钟 | 41.38 | 8.00 | 109.70 |
+| 通勤距离公里 | 22.74 | 2.80 | 65.00 |
+| BMI | 24.30 | 17.50 | 36.50 |
+| 近30天睡眠时长均值 | 6.78 | 4.50 | 9.00 |
+| 每周运动频次 | 2.15 | 0.00 | 7.00 |
+| 近90天缺勤次数 | 1.33 | 0.00 | 7.00 |
+| 近180天请假总时长 | 22.92 | 0.00 | 65.90 |
+
+## 6. 结构性分布信息
+
+- 夜班岗位占比约 `30.86%`
+- 节假日前后事件占比约 `23.43%`
+- 提供医院证明占比约 `58.49%`
+- 慢性病史占比约 `7.92%`
+- 星期分布基本均衡
+- 季节分布基本均衡
+
+## 7. 行业层面的平均缺勤时长
+
+| 行业 | 样本数 | 平均缺勤时长 |
+|---|---:|---:|
+| 制造业 | 2366 | 6.671 |
+| 物流运输 | 1679 | 6.665 |
+| 互联网 | 1434 | 6.374 |
+| 建筑工程 | 1101 | 6.252 |
+| 医药健康 | 2274 | 6.208 |
+| 零售连锁 | 1820 | 6.197 |
+| 金融服务 | 1326 | 6.016 |
+
+可见制造业、物流运输的缺勤时长整体偏高，金融服务相对较低，符合行业工作强度与排班特征差异。
+
+## 8. 请假类型与目标变量关系
+
+| 请假类型 | 样本数 | 平均缺勤时长 |
+|---|---:|---:|
+| 工伤假 | 258 | 11.092 |
+| 婚假 | 336 | 9.768 |
+| 丧假 | 238 | 9.437 |
+| 病假 | 3574 | 7.638 |
+| 产检育儿假 | 743 | 7.536 |
+| 事假 | 2612 | 5.998 |
+| 其他 | 1045 | 5.597 |
+| 调休 | 1708 | 4.252 |
+| 年假 | 1486 | 4.240 |
+
+该分布说明请假类型对目标值具有明显区分度，是模型的重要信号源之一。
+
+## 9. 请假原因大类与目标变量关系
+
+| 请假原因大类 | 样本数 | 平均缺勤时长 |
+|---|---:|---:|
+| 就医复查 | 1503 | 7.073 |
+| 身体不适 | 3194 | 6.824 |
+| 子女照护 | 611 | 6.485 |
+| 突发事件 | 1223 | 6.109 |
+| 职业疲劳 | 2261 | 6.096 |
+| 家庭事务 | 2161 | 5.907 |
+| 交通受阻 | 1047 | 5.689 |
+
+## 10. 数据集适用场景
+
+本数据集适用于以下任务：
+
+- 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
+- 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
+
+## 11. 使用说明
+
+- 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`
+
+如果需要重新生成全新数据集，可删除旧文件后重新执行：
+
+```powershell
+cd backend
+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。