|
|
77e38fd15b
|
feat: 升级深度学习模型为 Temporal Fusion Transformer 架构
- 将 LSTMMLPRegressor 重构为 TemporalFusionRegressor，采用 Transformer Encoder 替代 LSTM
- 新增 LearnedAttentionPooling 和 GatedResidualBlock 模块增强模型表达能力
- 优化训练策略，使用 OneCycleLR 调度器和样本加权机制
- 改进缺勤事件采样算法，基于压力、健康、家庭等维度更精确地计算缺勤时长
- 更新 .gitignore 排除原始数据文件，删除不再使用的原始 CSV 文件
|
2026-03-20 16:30:08 +08:00 |
|
|
|
d70bd54c41
|
fix(training): patch lightgbm sklearn compatibility
|
2026-03-12 18:15:09 +08:00 |
|
|
|
e63267cef6
|
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
|
2026-03-11 10:46:58 +08:00 |
|
|
|
a39d8b2fd2
|
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 |
|
