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

backend/config.py

@@ -1,14 +1,15 @@
 import os
 
+
 BASE_DIR = os.path.dirname(os.path.abspath(__file__))
 
 DATA_DIR = os.path.join(BASE_DIR, 'data')
 RAW_DATA_DIR = os.path.join(DATA_DIR, 'raw')
 PROCESSED_DATA_DIR = os.path.join(DATA_DIR, 'processed')
-
 MODELS_DIR = os.path.join(BASE_DIR, 'models')
 
-RAW_DATA_PATH = os.path.join(RAW_DATA_DIR, 'Absenteeism_at_work.csv')
+RAW_DATA_FILENAME = 'china_enterprise_absence_events.csv'
+RAW_DATA_PATH = os.path.join(RAW_DATA_DIR, RAW_DATA_FILENAME)
 CLEAN_DATA_PATH = os.path.join(PROCESSED_DATA_DIR, 'clean_data.csv')
 
 RF_MODEL_PATH = os.path.join(MODELS_DIR, 'rf_model.pkl')
@@ -17,132 +18,127 @@ KMEANS_MODEL_PATH = os.path.join(MODELS_DIR, 'kmeans_model.pkl')
 SCALER_PATH = os.path.join(MODELS_DIR, 'scaler.pkl')
 ENCODER_PATH = os.path.join(MODELS_DIR, 'encoder.pkl')
 
-CSV_SEPARATOR = ';'
-
+CSV_SEPARATOR = ','
 RANDOM_STATE = 42
 TEST_SIZE = 0.2
 
-FEATURE_NAMES = [
-    'ID',
-    'Reason for absence',
-    'Month of absence',
-    'Day of the week',
-    'Seasons',
-    'Transportation expense',
-    'Distance from Residence to Work',
-    'Service time',
-    'Age',
-    'Work load Average/day ',
-    'Hit target',
-    'Disciplinary failure',
-    'Education',
-    'Son',
-    'Social drinker',
-    'Social smoker',
-    'Pet',
-    'Weight',
-    'Height',
-    'Body mass index',
-    'Absenteeism time in hours'
-]
-
-CATEGORICAL_FEATURES = [
-    'Reason for absence',
-    'Month of absence',
-    'Day of the week',
-    'Seasons',
-    'Disciplinary failure',
-    'Education',
-    'Social drinker',
-    'Social smoker'
-]
-
-NUMERICAL_FEATURES = [
-    'Transportation expense',
-    'Distance from Residence to Work',
-    'Service time',
-    'Age',
-    'Work load Average/day ',
-    'Hit target',
-    'Son',
-    'Pet',
-    'Body mass index'
-]
-
-REASON_NAMES = {
-    0: '未知原因',
-    1: '传染病',
-    2: '肿瘤',
-    3: '血液疾病',
-    4: '内分泌疾病',
-    5: '精神行为障碍',
-    6: '神经系统疾病',
-    7: '眼部疾病',
-    8: '耳部疾病',
-    9: '循环系统疾病',
-    10: '呼吸系统疾病',
-    11: '消化系统疾病',
-    12: '皮肤疾病',
-    13: '肌肉骨骼疾病',
-    14: '泌尿生殖疾病',
-    15: '妊娠相关',
-    16: '围产期疾病',
-    17: '先天性畸形',
-    18: '症状体征',
-    19: '损伤中毒',
-    20: '外部原因',
-    21: '健康因素',
-    22: '医疗随访',
-    23: '医疗咨询',
-    24: '献血',
-    25: '实验室检查',
-    26: '无故缺勤',
-    27: '理疗',
-    28: '牙科咨询'
-}
+TARGET_COLUMN = '缺勤时长（小时）'
+EMPLOYEE_ID_COLUMN = '员工编号'
+COMPANY_ID_COLUMN = '企业编号'
 
 WEEKDAY_NAMES = {
-    2: '周一',
-    3: '周二',
-    4: '周三',
-    5: '周四',
-    6: '周五'
+    1: '周一',
+    2: '周二',
+    3: '周三',
+    4: '周四',
+    5: '周五',
+    6: '周六',
+    7: '周日',
 }
 
 SEASON_NAMES = {
-    1: '夏季',
-    2: '秋季',
-    3: '冬季',
-    4: '春季'
+    1: '冬季',
+    2: '春季',
+    3: '夏季',
+    4: '秋季',
 }
 
-EDUCATION_NAMES = {
-    1: '高中',
-    2: '本科',
-    3: '研究生',
-    4: '博士'
-}
+INDUSTRY_NAMES = [
+    '制造业',
+    '互联网',
+    '零售连锁',
+    '物流运输',
+    '金融服务',
+    '医药健康',
+    '建筑工程',
+]
+
+LEAVE_TYPE_NAMES = [
+    '病假',
+    '事假',
+    '年假',
+    '调休',
+    '婚假',
+    '丧假',
+    '产检育儿假',
+    '工伤假',
+    '其他',
+]
+
+REASON_CATEGORY_NAMES = [
+    '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',
+]
 
 FEATURE_NAME_CN = {
-    'ID': '员工标识',
-    'Reason for absence': '缺勤原因',
-    'Month of absence': '缺勤月份',
-    'Day of the week': '星期几',
-    'Seasons': '季节',
-    'Transportation expense': '交通费用',
-    'Distance from Residence to Work': '通勤距离',
-    'Service time': '工龄',
-    'Age': '年龄',
-    'Work load Average/day ': '日均工作负荷',
-    'Hit target': '达标率',
-    'Disciplinary failure': '违纪记录',
-    'Education': '学历',
-    'Son': '子女数量',
-    'Social drinker': '饮酒习惯',
-    'Social smoker': '吸烟习惯',
-    'Pet': '宠物数量',
-    'Weight': '体重',
-    'Height': '身高',
-    'Body mass index': 'BMI指数',
-    'Absenteeism time in hours': '缺勤时长'
+    '企业编号': '企业编号',
+    '所属行业': '所属行业',
+    '企业规模': '企业规模',
+    '所在城市等级': '所在城市等级',
+    '用工类型': '用工类型',
+    '部门条线': '部门条线',
+    '岗位序列': '岗位序列',
+    '岗位级别': '岗位级别',
+    '员工编号': '员工编号',
+    '性别': '性别',
+    '年龄': '年龄',
+    '司龄年数': '司龄年数',
+    '最高学历': '最高学历',
+    '婚姻状态': '婚姻状态',
+    '是否本地户籍': '是否本地户籍',
+    '子女数量': '子女数量',
+    '是否独生子女家庭负担': '独生子女家庭负担',
+    '居住类型': '居住类型',
+    '班次类型': '班次类型',
+    '是否夜班岗位': '是否夜班岗位',
+    '月均加班时长': '月均加班时长',
+    '近30天出勤天数': '近30天出勤天数',
+    '近90天缺勤次数': '近90天缺勤次数',
+    '近180天请假总时长': '近180天请假总时长',
+    '通勤时长分钟': '通勤时长分钟',
+    '通勤距离公里': '通勤距离公里',
+    '是否跨城通勤': '是否跨城通勤',
+    '绩效等级': '绩效等级',
+    '近12月违纪次数': '近12月违纪次数',
+    '团队人数': '团队人数',
+    '直属上级管理跨度': '直属上级管理跨度',
+    'BMI': 'BMI',
+    '是否慢性病史': '是否慢性病史',
+    '年度体检异常标记': '年度体检异常',
+    '近30天睡眠时长均值': '睡眠时长',
+    '每周运动频次': '运动频次',
+    '是否吸烟': '是否吸烟',
+    '是否饮酒': '是否饮酒',
+    '心理压力等级': '心理压力等级',
+    '是否长期久坐岗位': '是否久坐岗位',
+    '缺勤月份': '缺勤月份',
+    '星期几': '星期几',
+    '是否节假日前后': '节假日前后',
+    '季节': '季节',
+    '请假申请渠道': '请假申请渠道',
+    '请假类型': '请假类型',
+    '请假原因大类': '请假原因大类',
+    '是否提供医院证明': '医院证明',
+    '是否临时请假': '临时请假',
+    '是否连续缺勤': '连续缺勤',
+    '前一工作日是否加班': '前一工作日加班',
+    '缺勤时长（小时）': '缺勤时长',
+    '加班通勤压力指数': '加班通勤压力指数',
+    '家庭负担指数': '家庭负担指数',
+    '健康风险指数': '健康风险指数',
+    '岗位稳定性指数': '岗位稳定性指数',
+    '节假日风险标记': '节假日风险标记',
+    '排班压力标记': '排班压力标记',
+    '缺勤历史强度': '缺勤历史强度',
+    '生活规律指数': '生活规律指数',
+    '管理负荷指数': '管理负荷指数',
+    '工龄分层': '工龄分层',
+    '年龄分层': '年龄分层',
+    '通勤分层': '通勤分层',
+    '加班分层': '加班分层',
 }