shenjianZ
e63267cef6
- 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
183 lines
3.4 KiB
Markdown
183 lines
3.4 KiB
Markdown
# 接口设计文档
|
||
|
||
## 1. 接口说明
|
||
|
||
- 接口风格：REST 风格
|
||
- 数据格式：JSON
|
||
- 公共前缀：`/api`
|
||
|
||
统一返回结构：
|
||
|
||
```json
|
||
{
|
||
"code": 200,
|
||
"message": "success",
|
||
"data": {}
|
||
}
|
||
```
|
||
|
||
## 2. 数据概览接口
|
||
|
||
### 2.1 获取基础统计
|
||
|
||
- URL：`/api/overview/stats`
|
||
- 方法：`GET`
|
||
- 说明：返回缺勤事件总量、员工覆盖数、平均缺勤时长等指标
|
||
|
||
返回字段示例：
|
||
|
||
- `total_records`
|
||
- `total_employees`
|
||
- `avg_absent_hours`
|
||
- `max_absent_hours`
|
||
- `min_absent_hours`
|
||
- `high_risk_ratio`
|
||
- `industries_covered`
|
||
|
||
### 2.2 获取月度趋势
|
||
|
||
- URL：`/api/overview/trend`
|
||
- 方法：`GET`
|
||
- 说明：返回月度总缺勤时长、平均时长和记录数
|
||
|
||
### 2.3 获取星期分布
|
||
|
||
- URL：`/api/overview/weekday`
|
||
- 方法：`GET`
|
||
- 说明：返回星期维度分布统计
|
||
|
||
### 2.4 获取原因分布
|
||
|
||
- URL：`/api/overview/reasons`
|
||
- 方法：`GET`
|
||
- 说明：返回请假原因大类分布
|
||
|
||
### 2.5 获取季节分布
|
||
|
||
- URL：`/api/overview/seasons`
|
||
- 方法：`GET`
|
||
- 说明：返回季节维度缺勤统计
|
||
|
||
## 3. 影响因素分析接口
|
||
|
||
### 3.1 获取特征重要性
|
||
|
||
- URL：`/api/analysis/importance`
|
||
- 方法：`GET`
|
||
- 参数：`model`，可选
|
||
- 说明：返回模型特征重要性排序
|
||
|
||
### 3.2 获取相关性矩阵
|
||
|
||
- URL：`/api/analysis/correlation`
|
||
- 方法：`GET`
|
||
- 说明：返回关键变量相关性矩阵
|
||
|
||
### 3.3 获取群体对比
|
||
|
||
- URL：`/api/analysis/compare`
|
||
- 方法：`GET`
|
||
- 参数：`dimension`
|
||
- 说明：返回指定维度下的群体平均缺勤时长对比
|
||
|
||
支持维度：
|
||
|
||
- `industry`
|
||
- `shift_type`
|
||
- `job_family`
|
||
- `marital_status`
|
||
- `chronic_disease`
|
||
|
||
## 4. 缺勤预测接口
|
||
|
||
### 4.1 单次预测
|
||
|
||
- URL：`/api/predict/single`
|
||
- 方法：`POST`
|
||
- 说明：输入核心字段，返回预测缺勤时长与风险等级
|
||
|
||
请求体示例：
|
||
|
||
```json
|
||
{
|
||
"leave_type": "病假",
|
||
"leave_reason_category": "身体不适",
|
||
"absence_month": 5,
|
||
"weekday": 2,
|
||
"near_holiday_flag": 0,
|
||
"medical_certificate_flag": 1,
|
||
"shift_type": "标准白班",
|
||
"is_night_shift": 0,
|
||
"monthly_overtime_hours": 26,
|
||
"commute_minutes": 42,
|
||
"chronic_disease_flag": 0,
|
||
"children_count": 1,
|
||
"industry": "制造业",
|
||
"marital_status": "已婚"
|
||
}
|
||
```
|
||
|
||
返回字段：
|
||
|
||
- `predicted_hours`
|
||
- `risk_level`
|
||
- `risk_label`
|
||
- `confidence`
|
||
- `model_used`
|
||
- `model_name_cn`
|
||
|
||
### 4.2 模型对比
|
||
|
||
- URL：`/api/predict/compare`
|
||
- 方法：`POST`
|
||
- 说明：返回多个模型在同一输入下的预测对比结果
|
||
|
||
### 4.3 获取模型列表
|
||
|
||
- URL：`/api/predict/models`
|
||
- 方法：`GET`
|
||
- 说明：返回可用模型及其性能指标
|
||
|
||
### 4.4 获取模型信息
|
||
|
||
- URL：`/api/predict/model-info`
|
||
- 方法：`GET`
|
||
- 说明：返回训练样本量、特征数量和训练日期
|
||
|
||
## 5. 员工画像接口
|
||
|
||
### 5.1 获取聚类结果
|
||
|
||
- URL：`/api/cluster/result`
|
||
- 方法：`GET`
|
||
- 参数：`n_clusters`
|
||
- 说明：返回聚类后的群体列表
|
||
|
||
### 5.2 获取聚类画像
|
||
|
||
- URL：`/api/cluster/profile`
|
||
- 方法：`GET`
|
||
- 参数：`n_clusters`
|
||
- 说明：返回雷达图所需的群体画像数据
|
||
|
||
### 5.3 获取散点数据
|
||
|
||
- URL：`/api/cluster/scatter`
|
||
- 方法：`GET`
|
||
- 参数：
|
||
- `n_clusters`
|
||
- `x_axis`
|
||
- `y_axis`
|
||
|
||
## 6. 错误处理
|
||
|
||
- `400`：请求参数错误
|
||
- `500`：服务器内部错误
|
||
|
||
常见错误场景：
|
||
|
||
- 请求体为空
|
||
- 维度参数非法
|
||
- 模型文件缺失或加载失败
|
||
- 后端依赖未正确安装
|